Los anticuerpos son increíblemente útiles. Muchos fármacos desarrollados recientemente dependen de anticuerpos que se unen a proteínas específicas y bloquean su actividad. También son excelentes herramientas de investigación, ya que nos permiten identificar proteínas dentro de las células, purificar tanto proteínas como células, etc. Los anticuerpos terapéuticos han proporcionado nuestras primeras defensas contra virus emergentes como el Ébola y el SARS-CoV-2.
Pero producir anticuerpos puede ser un verdadero dolor de cabeza, porque implica lograr que los animales produzcan anticuerpos para nosotros. Debe purificar la proteína a la que desea que se adhieran los anticuerpos, inyectarla en un animal y hacer que el animal produzca anticuerpos como parte de una respuesta inmune. A partir de ahí, se purifican los anticuerpos o se purifican las células que los producen. Lleva mucho tiempo, no siempre funciona y, a veces, produce anticuerpos con propiedades que no estás buscando.
Pero gracias a los avances en las predicciones de proteínas basadas en IA, toda esa molestia podría volverse innecesaria. Un modelo de difusión desarrollado recientemente para estructuras proteicas se ha adaptado a la producción de anticuerpos y ha diseñado con éxito anticuerpos contra las proteínas del virus de la gripe.
Cómo crear el anticuerpo de su elección
Los humanos (y muchos otros mamíferos) producen anticuerpos que son complejos de cuatro proteínas compuestos por dos proteínas pesadas y dos ligeras. Tanto las proteínas pesadas como las ligeras tienen regiones constantes, que son iguales o similares entre todos los anticuerpos producidos. Ambos también tienen una región variable, que es única para cada anticuerpo. Es la región variable responsable de reconocer proteínas en virus y otros patógenos. Algunos otros mamíferos, como los camellos, omiten las proteínas ligeras y tienen anticuerpos que son simplemente un par de proteínas pesadas (que aún reconocen patógenos a través de las regiones variables de las proteínas pesadas).
El cuerpo no sabe qué proteínas necesitará reconocer eventualmente. Entonces, simplemente produce una gran cantidad de células productoras de anticuerpos, cada una con una combinación única de regiones variables pesadas y ligeras. Cuando cualquiera de estas células se topa con la proteína que reconocen sus anticuerpos, comienza a dividirse y produce una gran cantidad del anticuerpo necesario. Se necesita tiempo para que estas células maduren y tiempo adicional para purificarlas. Además, no hay garantía de que la combinación específica de regiones variables sea la óptima para reconocer una proteína.
La única forma de evitar la molestia y la incertidumbre de lograr que un animal genere anticuerpos para nosotros es descubrir cómo diseñar anticuerpos que reconozcan lo que queremos. Y eso simplemente no ha sido posible. No entendemos lo suficiente acerca de cómo las proteínas se pliegan en una configuración tridimensional para diseñar una que adopte la forma de nuestra elección, una que envuelva un objetivo específico.
Todavía no entendemos lo suficiente como para hacerlo intencionalmente. Pero en los últimos años, hemos entrenado software de IA para que tome una cadena de aminoácidos y prediga con precisión la estructura tridimensional que adoptaría esta proteína. Y, más recientemente, se ha descubierto cómo combinarlos con modelos de difusión para crear software que pueda diseñar proteínas que adoptarán una configuración específica.
Resulta que este enfoque puede adoptarse para diseñar anticuerpos.