Proteasas diseñadas con aprendizaje profundo cortan dianas proteicas elegidas

Investigadores del Institute for Protein Design de la University of Washington informan de que han diseñado por medios computacionales proteasas sintéticas, es decir, enzimas que cortan otras proteínas en sitios elegidos. Según UW Medicine, los equipos emplearon métodos de diseño basados en aprendizaje profundo para especificar una secuencia diana, construir enzimas capaces de escindirla y verificar después su actividad en varios entornos experimentales. Ars Technica, apoyándose en los estudios subyacentes, describe el trabajo como una forma de “acortar” la larga diversificación natural de las proteasas conservando solo el núcleo catalítico de clases enzimáticas conocidas y rediseñando todo lo demás.

El trabajo importa porque los enlaces peptídicos, que unen aminoácidos para formar proteínas, son químicamente muy estables por sí solos. Ars Technica señala que un enlace peptídico típico en agua persistiría, de otro modo, durante cientos de años sin ayuda enzimática. Las proteasas resuelven ese problema al disponer un pequeño conjunto de componentes catalíticos con una precisión extrema para que el enlace pueda romperse. Esa precisión es también lo que ha hecho difícil el diseño de proteasas: la “cuchilla” catalítica debe colocarse con una exactitud casi atómica, y las proteasas naturales suelen depender de una flexibilidad sutil para sujetar sus dianas, según UW Medicine.

Dos mecanismos de proteasa, rediseñados

Los investigadores trabajaron con dos tipos distintos de química de proteasas. Un proyecto se centró en las proteasas de cisteína, en las que una cisteína activada de la enzima ataca el enlace peptídico diana. El otro se centró en las metaloproteasas, descritas por Ars Technica como proteasas de zinc, en las que un ion metálico ayuda a posicionar y activar la química necesaria para la escisión. En ambos casos, el punto de partida no fue una hoja en blanco: los equipos partieron de proteasas conocidas, entre ellas una proteasa de cisteína de levadura y una proteasa digestiva de zinc procedente de cangrejo de río, y conservaron los residuos catalíticos clave mientras rediseñaban la estructura proteica circundante.

En cuanto al flujo de diseño, Ars Technica explica que los investigadores utilizaron primero RFdiffusion2 para generar esqueletos enzimáticos bajo varias restricciones. El esqueleto diseñado tenía que reunir los aminoácidos catalíticos y, además, debía acomodar una secuencia diana elegida cerca del sitio activo. A continuación emplearon ProteinMPNN para asignar identidades de aminoácidos a lo largo de ese esqueleto, equilibrando la compatibilidad estructural, la formación del sitio catalítico y la unión a la diana. UW Medicine resume el mismo proceso de forma más general como el uso de métodos de diseño basados en aprendizaje profundo para desarrollar estructuras, seleccionarlas por su capacidad de cortar una secuencia concreta y confirmar que las estructuras experimentales coincidían con los planos computacionales.

Los equipos también comprobaron si estas proteínas se limitaban a reproducir estructuras naturales ya existentes. Ars Technica informa de que las predicciones de AlphaFold3 para muchos diseños no se parecían a las entradas de las bases de datos actuales, lo que sugiere que los modelos no estaban simplemente reproduciendo plegamientos de proteasas conocidos. UW Medicine va más allá en el trabajo sobre cisteína y afirma que las proteínas resultantes adoptan plegamientos distintos de los de cualquier proteasa presente en la naturaleza.

Cómo se realizaron los experimentos

Las pruebas iniciales se construyeron en torno a ensayos directos de escisión. Ars Technica informa de que los investigadores crearon una proteína de fusión larga que contenía la proteasa diseñada, la secuencia diana que debía cortar y una proteína fluorescente. Después midieron si la escisión liberaba la parte fluorescente. UW Medicine señala que los equipos probaron las enzimas sobre proteínas purificadas, sobre secuencias extraídas de proteínas implicadas en la enfermedad de Alzheimer y en la esclerosis lateral amiotrófica y, en uno de los estudios, dentro de células humanas vivas cultivadas en el laboratorio.

• Las proteasas de cisteína se diseñaron en torno a un centro catalítico de cisteína activada.
• Las metaloproteasas se diseñaron en torno a un ion metálico unido que actuaba como elemento catalítico.
• Los diseños se cribaron por su actividad frente a secuencias diana especificadas.
• Algunos candidatos se probaron sobre secuencias asociadas a enfermedades, como el amiloide beta.
• Al menos un estudio incluyó experimentos dentro de células humanas cultivadas.

El proyecto de proteasas de cisteína produjo una tasa de éxito del 19 %, según ambas fuentes. Ars Technica afirma que 13 diseños funcionaron, aunque señala que todos fueron menos activos que la enzima natural de levadura utilizada como modelo. UW Medicine dice que estas enzimas cortaron su secuencia diana hasta 30 millones de veces más rápido que la reacción no catalizada. Ambas descripciones son compatibles: una compara los diseños con una plantilla natural, mientras que la otra los compara con la ausencia total de enzima.

Los resultados de las metaloproteasas se presentan de forma algo diferente en las dos fuentes, por lo que conviene leerlos con cuidado. UW Medicine afirma que el 36 % de los diseños mostró actividad y cortó con precisión la diana prevista, el amiloide beta, 100 millones de veces más rápido que la reacción no catalizada. Ars Technica ofrece un desglose más detallado: entre los diseños iniciales que no incluían explícitamente la molécula de agua catalítica como restricción de diseño, 14 de 89 mostraron una actividad débil. Cuando, en cambio, los investigadores restringieron el diseño para posicionar correctamente una molécula de agua, 35 de 38 mostraron cierta actividad. Ars Technica también dice que un diseño más potente carecía de especificidad sobre el lugar exacto del corte. Estas cifras parecen referirse a subconjuntos o etapas distintas del trabajo más que a una contradicción directa, pero las fuentes no las reconcilian por completo.

La iteración mejoró la actividad y la especificidad

Una parte destacable de los estudios fue lo ocurrido después de que los primeros diseños funcionaran solo de manera moderada. Ars Technica afirma que los equipos identificaron residuos cercanos al sitio activo que no eran directamente responsables de la catálisis y sustituyeron esos aminoácidos por alternativas poco propensas a alterar la estructura. Esa optimización local mejoró de forma sustancial el rendimiento. Para el sistema de cisteína, Ars Technica informa de que la mejor versión aceleró la escisión del enlace peptídico en un factor de 10^9 manteniendo al mismo tiempo una alta especificidad para la secuencia diana prevista. Para el sistema basado en zinc, se dijo que una segunda versión era 30 veces más activa que el diseño original y que aceleraba la escisión en un factor de 10^10.

UW Medicine presenta cifras máximas de aceleración más bajas para los artículos de Nature citados por su nombre: hasta 30 millones de veces más rápido que la reacción no catalizada para las proteasas de cisteína y 100 millones de veces más rápido para las metaloproteasas. Como estos números difieren de algunos de los resultados optimizados posteriores citados por Ars Technica, lo prudente es interpretarlos como descripciones de puntos finales distintos comunicados en los estudios, probablemente procedentes de diseños diferentes o de niveles de síntesis distintos, en lugar de asumir una única cifra titular para cada plataforma.

Dianas de enfermedad y promesa terapéutica

Como prueba de relevancia más allá de los sustratos modelo, los equipos dirigieron algunos diseños contra proteínas asociadas a enfermedades neurológicas. UW Medicine dice que probaron secuencias extraídas de proteínas implicadas en la enfermedad de Alzheimer y en la esclerosis lateral amiotrófica. Ars Technica afirma en concreto que el trabajo con metaloproteasas se dirigió a proteínas asociadas al Alzheimer y a la demencia frontotemporal, y que los investigadores acabaron obteniendo un diseño capaz de cortar la diana prevista en células. También señala una lección importante: limitarse a redirigir un diseño ya existente no funcionó bien, de modo que el equipo reinició el proceso de diseño desde cero para la nueva secuencia.

La lógica terapéutica es directa. A diferencia de un fármaco convencional o un anticuerpo, que se une a una molécula diana cada vez, una enzima puede actuar catalíticamente y después seguir adelante. UW Medicine dice que una sola proteasa diseñada podría cortar de miles a millones de dianas especificadas a lo largo de su vida útil, lo que potencialmente permitiría una dosis más baja que la de un medicamento basado en unión. La misma fuente también sostiene que las proteasas podrían abordar proteínas descritas a menudo como “indrogables”, porque la escisión no requiere un bolsillo de unión convencional. Entre los posibles usos mencionados figuran destruir una proteína viral, eliminar una toxina bacteriana, depurar una proteína mal plegada en una enfermedad neurodegenerativa o activar un fármaco solo en un tejido elegido cortando una tapa protectora.

Lo que sigue sin resolverse

Los estudios son alentadores, pero tanto las limitaciones señaladas como el alcance experimental sugieren un camino largo antes de cualquier uso médico. Ars Technica subraya que los primeros diseños exitosos eran por lo general menos activos que las enzimas naturales que los inspiraron, aunque la optimización posterior mejoró ese aspecto. También apunta a obstáculos prácticos de administración: puede ser difícil hacer llegar proteínas al tejido pertinente, pueden provocar respuestas inmunitarias y resultan aún más difíciles de desplegar cuando la diana prevista está dentro de las células y no fuera de ellas.

Ese desafío intracelular podría exigir que las propias células produzcan la proteasa a partir de un gen administrado, lo que añade otra capa de complejidad. Ninguno de los textos de origen afirma que una terapia esté cerca. Más bien, respaldan una conclusión más comedida: el trabajo muestra que el diseño de proteínas guiado por aprendizaje profundo ya puede producir proteasas sintéticas con especificidad elegida, actividad catalítica medible y al menos cierta función en células. Queda por demostrar si esas capacidades pueden traducirse en medicamentos seguros, eficaces y administrables.

Para las empresas del ámbito anglófono, el cambio a corto plazo no es un nuevo tratamiento aprobado, sino una nueva capacidad de diseño a la que conviene prestar atención. Los equipos de biotecnología y farmacéuticas pueden ver estos resultados como una señal temprana de que las proteínas catalíticas a medida podrían ampliar la selección de dianas más allá de los agentes de unión, especialmente en el caso de proteínas de enfermedad que carecen de bolsillos farmacológicos clásicos. En la práctica, eso podría influir en la estrategia de I+D, en la búsqueda de socios y en la evaluación de plataformas en torno a la ingeniería de proteínas, mientras siguen sin resolverse grandes cuestiones de ejecución —fabricación, administración, especificidad en tejidos complejos y demostración regulatoria—.