Diseño de vacunas de ARNm: optimización de secuencias con IA

Ese número no es una errata ni una exageración retórica: es la consecuencia directa de la redundancia del código genético, donde varios codones distintos codifican el mismo aminoácido. Si alguien cree que vamos a explorar ese espacio empíricamente, probando combinaciones en el laboratorio una a una, está vendiendo humo. La biología experimental no puede con ese universo combinatorio. Ni toda la capacidad de síntesis de ADN del planeta en un millón de años podría arañar la superficie. Aquí es donde la inteligencia artificial entra en escena, no como una varita mágica que descubre la cura, sino como una herramienta de optimización matemática que reduce un problema intratable a uno abordable en minutos.

En el diseño de vacunas de ARN mensajero con IA, la dificultad no está únicamente en escoger una proteína antigénica. También hay que decidir cómo escribir la secuencia para que el ARNm sobreviva el tiempo suficiente, llegue a los ribosomas, se traduzca con eficiencia y no desencadene una respuesta innata que lo destruya antes de cumplir su función. Son objetivos relacionados, pero no equivalentes. Y en ocasiones compiten entre sí.

Voy a diseccionar, con el escepticismo que este tema merece, cómo los algoritmos computacionales están cambiando la optimización de secuencias de ARNm, qué métricas se utilizan realmente, qué evidencia preclínica existe y, sobre todo, qué partes del relato mediático se sostienen y cuáles son ruido estadístico convenientemente empaquetado.

El reto combinatorio: por qué la optimización clásica de codones se queda corta

Cuando se diseña una secuencia de ARNm para que codifique una proteína concreta, el primer impulso de cualquier investigador con formación clásica es aplicar lo que se conoce como optimización de codones. La idea es sencilla: si el organismo de destino utiliza ciertos codones con más frecuencia que otros, ¿por qué no elegir siempre los más abundantes? Es una heurística razonable, pero profundamente incompleta.

Dos secuencias pueden codificar exactamente la misma proteína y, sin embargo, comportarse de forma muy distinta dentro de la célula. El orden de los nucleótidos influye en la estructura secundaria del ARN, en la accesibilidad del ribosoma, en la velocidad de traducción, en la estabilidad frente a nucleasas y en la interacción con proteínas celulares. Cambiar un codón sinónimo no cambia la secuencia de aminoácidos, pero sí puede cambiar la molécula de ARNm como objeto físico.

La eficiencia traduccional —cuántos ribosomas leen el ARNm y con qué velocidad— depende, por tanto, no solo de la frecuencia de cada codón individual, medida mediante índices como el CAI (Codon Adaptation Index), sino también de cómo se pliega la molécula. Una secuencia con regiones muy compactas puede dificultar el avance del ribosoma o bloquear el acceso a zonas funcionalmente relevantes. La métrica que suele emplearse para aproximarse a esa tendencia al plegamiento es la MFE (Minimum Free Energy, o energía libre mínima): cuanto más negativa es, más estable resulta, en términos termodinámicos, la estructura secundaria predicha.

Optimizar solo el CAI es como elegir el vocabulario de un texto sin preocuparte de su gramática: puedes tener las palabras perfectas y un texto ilegible.

La comparación tiene un límite, claro, porque una molécula de ARN no es una frase. Pero sirve para entender el problema: la calidad de una secuencia no se agota en sus componentes individuales. También depende de las relaciones que se establecen entre ellos.

El espacio combinatorio al que me refería al principio —2,4 × 10^632 secuencias candidatas para la Spike— no es una rareza matemática sin consecuencias prácticas. Es la realidad operativa del problema. Si se optimiza únicamente por CAI, se elige un punto concreto dentro de ese espacio colosal, presumiblemente favorable para la traducción, pero sin considerar de forma suficiente el plegamiento. Si se optimiza únicamente por estabilidad estructural, se corre el riesgo de producir una molécula demasiado compacta o poco accesible para la maquinaria traduccional. Cualquier heurística unidimensional deja fuera una dimensión crítica del problema.

Y aquí conviene recordar algo que la industria farmacéutica no siempre repite demasiado alto: el diseño racional de secuencias de ARNm previo a la irrupción de la IA no era una operación puramente intuitiva, pero sí dependía en buena medida de reglas parciales, herramientas separadas y ciclos de prueba y error. Había conocimiento biológico, modelos termodinámicos y preferencias de codones. Lo que no había era una forma sencilla de recorrer de manera conjunta todas esas restricciones y devolver una solución razonable en un tiempo operativo.

LinearDesign: lingüística computacional aplicada al ARN

En 2023, un grupo de investigadores publicó en Nature el algoritmo LinearDesign, una herramienta que reformula el problema de optimización de secuencias de ARNm como un problema de búsqueda algorítmica con una analogía tomada de la lingüística computacional. La comparación no es ornamental: el ARN es un polímero lineal de nucleótidos que se pliega formando estructuras jerárquicas, y esas estructuras pueden describirse mediante relaciones anidadas entre pares de bases. El algoritmo aprovecha esa representación para buscar secuencias candidatas sin tener que enumerar todas las combinaciones posibles.

LinearDesign combina, dentro de una misma estrategia de optimización, la estabilidad estructural predicha y una medida de adaptación de codones. En lugar de escoger primero los codones y analizar después el plegamiento —o de hacer el proceso inverso—, intenta resolver ambos aspectos conjuntamente. El resultado no es una secuencia universalmente perfecta, sino una secuencia que satisface un conjunto definido de objetivos bajo las condiciones y los parámetros del modelo.

La diferencia es importante. En bioinformática, una mejora computacional no consiste necesariamente en descubrir una propiedad biológica nueva. A menudo consiste en conseguir que una pregunta que antes requería demasiado tiempo pueda formularse y responderse con la suficiente rapidez como para integrarla en el ciclo de desarrollo.

Para la proteína Spike del SARS-CoV-2, LinearDesign calcula una secuencia optimizada de ARNm en un tiempo del orden de minutos, frente a un espacio de búsqueda que sería inabarcable por enumeración exhaustiva.

La cifra concreta publicada para ese cálculo fue de aproximadamente once minutos en las condiciones descritas por los autores. Lo relevante no es convertir ese tiempo en una gesta cósmica, sino entender qué permite. Cuando el espacio de búsqueda es intratable, se trabaja con reglas simplificadas y se aceptan soluciones razonables. Cuando la búsqueda puede resolverse mediante programación dinámica y restricciones explícitas, es posible comparar diseños, modificar los objetivos y generar candidatos para validación experimental sin que cada iteración se convierta en un proyecto independiente.

Pero conviene no caer en el entusiasmo algorítmico. LinearDesign no crea una vacuna completa. Opera sobre una secuencia proteica ya definida y dentro de un sistema de expresión que también debe especificarse: región codificante, elementos reguladores, extremos del transcrito, química de los nucleósidos, formulación y vía de administración. Sin validación experimental, el resultado del algoritmo es una hipótesis informada. Puede ser una hipótesis muy útil, pero sigue siendo una hipótesis.

El modelo tampoco conoce por sí solo toda la biología de una célula humana. Las predicciones estructurales se realizan bajo supuestos concretos y no reproducen automáticamente el entorno intracelular, la acción de proteínas de unión al ARN, la competencia entre ribosomas, la degradación diferencial o las particularidades del tejido en el que se pretende expresar el antígeno. La bioinformática puede reducir el espacio de búsqueda. No puede abolir la incertidumbre biológica.

Estabilidad estructural frente a eficiencia de traducción: el equilibrio real

Cualquier profesional que haya trabajado con expresión de proteínas sabe que existe una tensión fundamental entre varias propiedades del ARNm. La primera es la estabilidad estructural. Una estructura secundaria suficientemente estable puede proteger ciertas regiones frente a la degradación y contribuir a prolongar la persistencia de la molécula. Pero un plegamiento excesivo, especialmente cerca de regiones relevantes para el inicio o la progresión de la traducción, también puede dificultar el acceso del ribosoma.

La segunda es la adaptación de codones. Una secuencia enriquecida en codones frecuentes para el organismo huésped puede favorecer una traducción eficiente, aunque el CAI no sea una medida completa de la velocidad traduccional ni garantice una producción elevada de proteína. La disponibilidad de ARN transferentes, la velocidad local de traducción y el contexto de cada codón también influyen.

La tercera es la vida media funcional del transcrito. Un ARNm que se traduce con rapidez pero desaparece demasiado pronto puede rendir menos que otro algo más lento pero persistente. Y uno que permanece demasiado tiempo puede tener efectos distintos sobre la activación inmune, la carga metabólica celular o la exposición al antígeno. No existe una métrica aislada que resuma todo el comportamiento de la molécula.

El mérito de los algoritmos de este tipo es que permiten explorar el frente de Pareto entre estabilidad y traducción: soluciones en las que mejorar un objetivo empieza a perjudicar el otro. No existe un óptimo único válido para cualquier vacuna. Existe un conjunto de compromisos que debe juzgarse en función del antígeno, el tejido diana, la formulación y la respuesta inmunitaria que se busca.

La MFE, además, es una aproximación. Modela el plegamiento bajo condiciones simplificadas y no incorpora automáticamente todas las interacciones con chaperonas de ARN, proteínas de unión específicas del huésped o componentes de la maquinaria traduccional. Es un proxy útil, no una verdad absoluta. Quien presente una energía libre mínima como predictor exacto del comportamiento in vivo está vendiendo simplicidad donde hay complejidad bioquímica. Y eso, en biomedicina, tiene un historial de generar falsos positivos clamorosos.

También hay un problema de escala. Una secuencia puede presentar un buen perfil global y, al mismo tiempo, contener una región local poco conveniente: un tramo demasiado estructurado, un motivo repetitivo, una señal de degradación o una combinación que afecte a la transcripción y la purificación. Por eso la revisión de un candidato no termina cuando el algoritmo devuelve una puntuación. La secuencia debe pasar por filtros adicionales y, después, por ensayos que midan lo que realmente importa: integridad del transcrito, expresión, respuesta innata, estabilidad en la formulación y respuesta inmunitaria.

ARNm autoamplificable: menos dosis, más complejidad

Una de las líneas más interesantes del campo es el desarrollo de ARNm autoamplificable, conocido como saRNA. La idea consiste en entregar un transcrito que no solo codifica el antígeno, sino también una maquinaria de replicación de ARN. En las plataformas más habituales, esa maquinaria se basa principalmente en replicones derivados de alfavirus. La replicasa permite generar copias adicionales del ARN dentro del citoplasma, con la posibilidad de alcanzar una expresión antigénica relevante a partir de una cantidad inicial menor de material.

El concepto resulta atractivo por una razón industrial evidente. Si una formulación puede producir una respuesta comparable con menos ARNm, también podría reducir la cantidad de nanopartículas lipídicas necesaria por dosis y aliviar algunos cuellos de botella de fabricación. Pero el verbo adecuado es podría. La reducción de dosis no es una propiedad automática de cualquier saRNA ni se traduce de forma lineal en menor coste, mejor tolerabilidad o mayor seguridad.

El saRNA es una molécula más grande y con más funciones que el ARNm convencional. Debe conservar regiones necesarias para la replicación, expresar proteínas no estructurales y producir el antígeno en el orden y la cantidad adecuados. El diseño de secuencia tiene que respetar, además, señales de replicación, elementos reguladores y restricciones propias del replicón. No se trata simplemente de añadir un fragmento de replicasa a una vacuna convencional y pedirle a un algoritmo que optimice el conjunto.

El saRNA puede reducir la cantidad inicial de material necesario, pero esa ventaja depende de la plataforma, de la formulación y de la validación de cada constructo; no es una garantía inscrita en la etiqueta de la tecnología.

En modelos animales preclínicos se han descrito respuestas con cantidades de saRNA inferiores a las empleadas con ARNm convencional. En algunos trabajos, las dosis experimentales se sitúan en el rango de los microgramos bajos, mientras que las formulaciones convencionales utilizan cantidades mayores. La comparación, sin embargo, no debe hacerse como si todos los microgramos fueran equivalentes: cambian el antígeno, la secuencia, el vehículo lipídico, la vía de administración, la especie animal y el calendario de inmunización.

La carga lipídica también merece una lectura menos triunfalista. Menos ARN por dosis puede significar menos lípidos, pero la formulación debe seguir protegiendo la molécula, facilitar su entrada celular y mantener una distribución adecuada. Además, la propia actividad de replicación puede modificar la respuesta innata y la duración de la expresión. Un saRNA bien diseñado puede ser una plataforma eficiente; uno mal ajustado puede producir una activación inmunitaria que limite precisamente la traducción que se pretendía ampliar.

Hay otro punto que no admite atajos: la ausencia de proteínas no deseadas. Un diseño computacional puede reducir determinados riesgos, evitar marcos de lectura alternativos previsibles o seleccionar secuencias con mejores propiedades teóricas. No puede garantizar que no aparezcan productos proteicos aberrantes o inesperados en un sistema biológico real. La posibilidad depende de la arquitectura del replicón, los elementos reguladores, la secuencia completa, el procesamiento celular y la plataforma de fabricación. Debe comprobarse experimentalmente mediante análisis de expresión y caracterización del producto, no inferirse de una puntuación algorítmica.

La evidencia clínica tampoco permite convertir la promesa en conclusión. Los resultados comparativos en humanos a gran escala siguen siendo más limitados que los datos preclínicos, y los primeros ensayos no permiten extrapolar automáticamente una dosis experimental baja a una protección equivalente en poblaciones amplias. La frase dosis cien veces menor, misma protección puede funcionar como titular, pero todavía necesita confirmación en estudios clínicos adecuados y con seguimiento suficiente.

Nucleósidos modificados: una variable química, no una casilla del algoritmo

Hay un componente del diseño de vacunas de ARNm que rara vez aparece en los artículos de divulgación y que, sin embargo, es determinante para que la plataforma funcione: la interacción con la inmunidad innata.

El sistema inmunitario dispone de receptores capaces de detectar patrones asociados a ARN exógeno, entre ellos TLR3, TLR7 y TLR8, además de otras rutas citosólicas. Cuando una molécula de ARN activa de forma intensa estas vías, la célula puede producir interferones y citocinas proinflamatorias. Esa respuesta no es necesariamente mala —una vacuna necesita activar el sistema inmunitario—, pero una activación desproporcionada puede reducir la traducción, acelerar la degradación del transcrito y dificultar la expresión del antígeno.

Una de las soluciones desarrolladas para modular este problema consiste en incorporar nucleósidos modificados, como la pseudouridina o la N1-metilpseudouridina, en lugar de utilizar exclusivamente nucleósidos canónicos. Estas modificaciones pueden alterar el reconocimiento por parte de sensores innatos y favorecer un perfil de traducción más adecuado. Su efecto, no obstante, depende del contexto químico y de la plataforma. No conviene describirlas como una capa universal de invisibilidad frente al sistema inmunitario.

La química del nucleósido puede cambiar de forma sustancial la traducción y la activación innata, pero su contribución debe evaluarse junto con la secuencia, la formulación y el proceso de fabricación.

La contribución de Katalin Karikó y Drew Weissman a este campo, reconocida con el Nobel de Fisiología o Medicina en 2023, puso de relieve la importancia de las modificaciones nucleosídicas para desarrollar aplicaciones terapéuticas de ARN. Pero ese avance no significa que toda secuencia deba optimizarse como si los nucleósidos modificados fueran un alfabeto distinto dentro del algoritmo.

Aquí conviene corregir una confusión frecuente. Un algoritmo como LinearDesign puede optimizar la secuencia codificante utilizando el alfabeto convencional de nucleótidos y, posteriormente, la modificación nucleosídica puede introducirse durante la síntesis del ARNm. La secuencia de bases que determina la proteína no tiene por qué reconstruirse desde cero como si cada uridina modificada exigiera una nueva regla de codificación. Lo que sí cambia son algunas propiedades fisicoquímicas y biológicas del producto final, y esas propiedades deben incorporarse al análisis experimental y, cuando corresponda, a modelos complementarios.

Por eso no es correcto afirmar que optimizar una secuencia sobre uridina canónica y fabricarla después con N1-metilpseudouridina sea, por definición, una inconsistencia. Puede ser una estrategia perfectamente coherente si el algoritmo, los parámetros de evaluación y la fase experimental están planteados para ese producto final. La cuestión relevante no es si la secuencia se escribió con un alfabeto u otro durante la fase de diseño, sino si la química de fabricación altera de forma significativa la estructura, la traducción, la inmunogenicidad innata o la estabilidad que se habían previsto.

En las plataformas de saRNA, además, la situación puede ser distinta. La replicación del ARN depende de estructuras, señales y proteínas concretas, y una modificación nucleosídica que resulte beneficiosa para un ARNm convencional puede afectar de otra manera a un replicón. No hay una receta química que pueda trasladarse sin validación de una plataforma a otra.

Qué puede hacer la IA y qué todavía no

Llegados a este punto, conviene separar las promesas mediáticas de lo que la evidencia actual sostiene. El diseño computacional aporta ventajas claras, pero son ventajas delimitadas.

1. Explorar espacios combinatorios enormes. La IA y los algoritmos de optimización permiten recorrer alternativas que no podrían evaluarse por enumeración exhaustiva. El espacio de secuencias sinónimas deja de ser un muro matemático y se convierte en un problema de búsqueda con objetivos definidos.

2. Combinar métricas en una misma estrategia. En lugar de optimizar únicamente el uso de codones o únicamente la estructura secundaria, las herramientas pueden buscar compromisos entre varias propiedades. Eso no elimina las tensiones biológicas, pero las hace explícitas.

3. Acelerar las iteraciones de diseño. Una secuencia candidata puede generarse en minutos, lo que permite reservar más tiempo y recursos para comparar formulaciones, analizar controles y diseñar experimentos que discriminen entre hipótesis.

4. Adaptar el diseño a una plataforma concreta. El modelo puede trabajar con restricciones relacionadas con un antígeno, una arquitectura de ARNm o un replicón. La calidad del resultado dependerá de que esas restricciones se hayan definido bien y de que no se confunda la optimización de una parte con la optimización del producto completo.

5. Reducir el espacio de búsqueda, no sustituir el laboratorio. La secuencia propuesta todavía necesita caracterización fisicoquímica, ensayos de expresión, análisis de la respuesta innata, estudios de estabilidad, experimentación preclínica y, si procede, ensayos clínicos.

La afirmación más delicada es la última. La optimización de secuencias con IA puede ayudar a diseñar un saRNA que, según el modelo, sea estable y traducible y que contenga los elementos necesarios para replicarse. No puede garantizar que el sistema produzca únicamente las proteínas deseadas ni que no genere productos aberrantes. La ausencia de proteínas no deseadas es una propiedad que debe demostrarse para cada constructo y cada plataforma.

Tampoco basta con que una secuencia tenga un buen resultado en una simulación. La actividad biológica final está condicionada por la síntesis, la purificación, la presencia de especies de ARN incompletas, la encapsulación en nanopartículas, la distribución tisular y la interacción con el sistema inmunitario. El algoritmo trabaja con una representación del problema; el paciente recibe una preparación farmacéutica.

La evidencia: señales fuertes, extrapolaciones peligrosas

Los resultados preclínicos de algunas secuencias optimizadas computacionalmente han mostrado mejoras sustanciales en la expresión antigénica o en los títulos de anticuerpos frente a diseños de referencia. Esas señales justifican seguir investigando la tecnología. También explican por qué herramientas como LinearDesign y sus sucesoras han despertado interés en vacunas frente a virus respiratorios, patógenos emergentes y otras aplicaciones terapéuticas.

Pero una mejora en un modelo animal no es equivalente a una ventaja clínica consolidada. La expresión de una proteína en un sistema experimental no resume la calidad de una vacuna. Hay que saber si la respuesta inmunitaria es funcional, cuánto dura, qué perfil de seguridad presenta, cómo se comporta en distintas edades y si la formulación mantiene sus propiedades durante la fabricación y la distribución.

El mismo cuidado debe aplicarse a los resultados espectaculares. Un aumento elevado de la expresión o del título de anticuerpos puede ser una señal muy relevante, pero su interpretación exige conocer el comparador, el régimen de administración, el número de animales, la variabilidad entre experimentos y la relación entre biomarcadores y protección real. Sin esos datos, la cifra sirve para formular una hipótesis, no para cerrar un debate.

También hay riesgos de sobreajuste. Un algoritmo puede aprender a maximizar una métrica que funciona bien en los datos de entrenamiento y comportarse peor cuando cambia el antígeno, el tipo celular o la formulación. La validación cruzada y la comprobación experimental con diseños independientes son esenciales. En este campo, una secuencia que parece óptima en el ordenador puede ser mediocre en el laboratorio por una razón que el modelo no contemplaba.

La propiedad intelectual añade otra capa de complejidad. Las herramientas de optimización, las secuencias concretas, las formulaciones lipídicas y los procesos de fabricación pueden estar protegidos por derechos distintos. La capacidad de generar una secuencia optimizada no implica automáticamente que pueda utilizarse sin restricciones en un producto comercial. La promesa de acceso global depende tanto de la ciencia abierta como de las condiciones de licenciamiento y de la capacidad industrial para producir el medicamento.

Un algoritmo no patentado que mejora una secuencia es un avance científico. Una plataforma propietaria que restringe el uso de esa secuencia puede convertirse en un cuello de botella con apariencia de innovación.

La distinción importa porque el diseño computacional suele presentarse como una forma de democratizar el desarrollo de vacunas. Puede reducir tiempos, facilitar la adaptación a nuevos antígenos y hacer más eficiente la fase inicial de diseño. Pero no elimina los costes de fabricación, los requisitos regulatorios ni la dependencia de componentes críticos. La democratización tecnológica no se consigue únicamente publicando el algoritmo.

Una herramienta potente, no un sustituto de la evidencia

La irrupción de LinearDesign y de herramientas relacionadas marca un punto de inflexión técnico. Pasar de heurísticas separadas y ciclos de prueba y error a una optimización computacional con métricas explícitas es una mejora real. Permite pensar en la secuencia de ARNm como un sistema de restricciones interdependientes y no como una cadena de codones que solo debe parecerse al uso preferente del huésped.

Pero el entusiasmo desmedido que rodea a estos avances sigue un patrón conocido: se exagera la autonomía del algoritmo, se presenta la química de nucleósidos como un detalle secundario, se extrapolan resultados preclínicos a eficacia clínica y se da por hecho que una secuencia optimizada no producirá subproductos inesperados. Ninguna de esas conclusiones está justificada de forma general.

En ARNm convencional, la secuencia codificante puede optimizarse con herramientas que trabajen sobre nucleótidos convencionales y después fabricarse con nucleósidos modificados, siempre que el producto final se caracterice y valide adecuadamente. En saRNA, la química y la arquitectura del replicón pueden cambiar las reglas del problema. Y en ambos casos, la ausencia de proteínas no deseadas no es una propiedad que el algoritmo pueda prometer: es una cuestión experimental, dependiente de la plataforma y del proceso.

La IA ha cambiado la velocidad y la precisión con la que se pueden proponer candidatos. No ha cambiado las reglas del juego clínico. Un buen diseño computacional puede ahorrar meses de exploración y orientar mejor los experimentos, pero sigue necesitando una secuencia bien fabricada, una formulación adecuada y datos que soporten cada salto de la predicción al organismo.

Quien diseñe la próxima generación de vacunas de ARNm haría bien en recordar dos cosas. La primera: la calidad del producto depende tanto de la secuencia como de la química del ARN, la arquitectura reguladora, la formulación y el proceso de fabricación. La segunda: un algoritmo brillante con un ensayo clínico mal diseñado sigue siendo un mal experimento.

La herramienta es poderosa. El método, como siempre en ciencia, sigue siendo lo que sostiene el resultado.