Sensores generados por IA abren caminos para detección temprana del cáncer

Los cánceres son mucho más fáciles de tratar cuando se detectan a tiempo; sin embargo, muchos tumores permanecen invisibles hasta que están avanzados o han reaparecido tras la cirugía. La enfermedad en fase inicial suele producir señales demasiado débiles para que las herramientas de diagnóstico convencionales las detecten con fiabilidad. Para superar este reto, los investigadores están desarrollando sensores moleculares ultrasensibles que pueden amplificar señales biológicas sutiles asociadas con el cáncer. Un nuevo enfoque basado en inteligencia artificial (IA) muestra cómo estos sensores podrían permitir la detección temprana del cáncer mediante un simple análisis de orina.

En una investigación dirigida por el Instituto Tecnológico de Massachusetts (MIT, Cambridge, MA, EUA), en colaboración con Microsoft Research (Redmond, WA, EUA), el equipo desarrolló un sistema de IA llamado CleaveNet para diseñar secuencias cortas de proteínas, o péptidos, que son cortados selectivamente por proteasas, enzimas que suelen ser hiperactivas en las células cancerosas. Estos péptidos se unen a nanopartículas, creando sensores moleculares que responden a la actividad de las proteasas asociadas al cáncer en cualquier parte del cuerpo.

Imagen: los sensores de péptidos diseñados por IA responden a las enzimas asociadas al cáncer y generan señales detectables en la orina (fotografía cortesía del MIT)

Las nanopartículas activadas por proteasas están diseñadas para viajar por el cuerpo tras su ingestión o inhalación. Al encontrarse con proteasas relacionadas con el cáncer, los péptidos de su superficie se escinden, liberando fragmentos que se filtran en la orina. CleaveNet se entrenó utilizando datos públicos sobre unas 20.000 interacciones péptido-proteasa, centrándose en las metaloproteinasas de matriz. El modelo de IA genera secuencias de péptidos candidatos y predice la selectividad y eficiencia con la que cada una será escindida por proteasas específicas de interés.

Utilizando CleaveNet, los investigadores diseñaron con éxito nuevas secuencias peptídicas altamente selectivas para MMP13, una proteasa implicada en la invasión tumoral y la metástasis. Estos péptidos no aparecían en los datos de entrenamiento, pero mostraron un excelente rendimiento en la validación de laboratorio. En comparación con métodos de ensayo y error anteriores, los péptidos diseñados con IA mejoraron la especificidad, redujeron la reactividad cruzada y reforzaron las señales diagnósticas, según el estudio publicado en Nature Communications.

Los sensores de proteasa diseñados con IA podrían permitir la detección multiplexada de firmas de cáncer mediante una sencilla prueba de orina casera, lo que podría identificar la enfermedad en etapas muy tempranas o tras la recurrencia. Este enfoque también podría facilitar la detección de docenas de tipos de cáncer mediante la combinación de sensores para diferentes clases de enzimas. Además del diagnóstico, los péptidos diseñados por CleaveNet podrían incorporarse a terapias dirigidas contra el cáncer, permitiendo que los fármacos se liberen únicamente en entornos tumorales, reduciendo así los efectos secundarios y mejorando la eficacia.

Enlaces relacionados:
MIT
Microsoft Research