Las vacunas de ARN, que han demostrado ser eficaces contra el Covid-19, ahora se están desarrollando para muchas otras enfermedades, incluido el cáncer. Uno de los inconvenientes de estas vacunas es que requieren almacenamiento ultrafrío, pero investigadores del MIT han encontrado una forma prometedora de superar esa limitación.
Con la ayuda de un algoritmo de IA, los investigadores modificaron la formulación que rodea a las nanopartículas lipídicas que normalmente se utilizan para administrar vacunas de ARNm, haciendo que las vacunas sean más resistentes al calor. Utilizando este enfoque, formularon vacunas que podrían permanecer estables incluso cuando se almacenan a temperatura ambiente durante hasta un año, o a casi 100 grados Fahrenheit durante dos meses.
Cuando las vacunas contra el Covid-19 transportadas por estas partículas se administraron a ratones, generaron una respuesta inmune tan fuerte como una vacuna de ARN contra el Covid-19 similar a la desarrollada por Moderna. Al utilizar el algoritmo de IA para predecir las formulaciones óptimas de las partículas, los investigadores pudieron reducir la cantidad de experimentos que necesitaban realizar, lo que aceleró rápidamente el proceso de desarrollo.
“La verdadera belleza de este algoritmo es que podemos usarlo con pequeños conjuntos de datos”, dice Ana Jaklenec, investigadora principal del Instituto Koch para la Investigación Integrativa del Cáncer del MIT. “Es realmente difícil ejecutar miles de experimentos, por lo que este algoritmo nos permite lograr más fácilmente formulaciones con las características que queremos; en este caso, estabilidad”.
Jaklenec y Robert Langer, profesor del Instituto David H. Koch, son los autores principales del artículo, que aparece hoy en Nature Biotechnology. El estudiante de posgrado Jinbi Tian y el postdoctorado Khanh Tran son los autores principales del artículo.
Vacunas estables
El ARN es una molécula muy frágil, por lo que los investigadores la estabilizan con nanopartículas lipídicas (LNP) que protegen el ARN de la degradación y lo ayudan a ingresar a las células. Sin embargo, estas vacunas RNA-LNP aún deben mantenerse frías (-20 a -80 grados Celsius), lo que dificulta su envío a regiones que no tienen instalaciones de almacenamiento en frío disponibles.
Hacer que estas vacunas sean más tolerantes al calor no sólo permitiría una distribución más amplia, sino que también podría ayudar a los investigadores a desarrollar nuevas vacunas que podrían administrarse mediante métodos novedosos, como parches con microagujas. Estos parches contienen cientos de microagujas llenas de vacunas, que se disuelven cuando se aplica el parche sobre la piel y liberan la vacuna.
Para crear vacunas de ARN más estables, los investigadores han experimentado agregando una variedad de excipientes (azúcares, sales o polímeros) a las LNP. Jaklenec y Langer desarrollaron recientemente LNP estabilizadas con polímeros que pueden soportar temperaturas más altas, pero esas LNP eran ligeramente diferentes de las formulaciones aprobadas por la FDA que se utilizaron para las vacunas Moderna y Pfizer Covid-19.
En su nuevo artículo, los investigadores querían ver si podían encontrar una manera de hacer que esas formulaciones aprobadas por la FDA fueran más estables a altas temperaturas.
Comenzaron reutilizando algunos de los excipientes que habían funcionado en sus esfuerzos anteriores, pero “realmente se estaban estancando”, dice Jaklenec. “Estábamos intentando utilizar y examinar excipientes que habíamos utilizado anteriormente con éxito para estabilizar las LNP, pero simplemente no funcionaba. Fue realmente frustrante para el equipo”.
Para acelerar su progreso, los investigadores decidieron probar un enfoque de aprendizaje automático. Trabajando con investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, desarrollaron un algoritmo que puede hacer predicciones basadas en conjuntos de datos muy pequeños.
“Habíamos utilizado nuestros algoritmos para varias aplicaciones de diseño experimental automatizado antes, pero nunca en un problema biológico como la estabilidad de la vacuna”, dice Mina Konaković Luković, profesora asistente de ingeniería eléctrica e informática en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, quien también es autora del artículo. “Fue sorprendente ver la rapidez con la que el algoritmo convergió en una formulación estable, llegando allí en sólo un puñado de iteraciones, en lugar de la búsqueda exhaustiva que normalmente se requeriría”.
Los investigadores utilizaron este algoritmo para analizar casi 50 excipientes aprobados por la FDA. Para cada excipiente, los investigadores primero midieron qué tan bien estabilizaba el ARN cuando se incorporaba a un LNP. Utilizaron estas partículas para administrar ARNm que codifica una proteína llamada luciferasa de luciérnaga, que produce bioluminiscencia, en las células. Al medir la cantidad de luz emitida por las células, los investigadores pudieron determinar con qué eficacia cada excipiente protegía el ARNm.
Los investigadores eligieron cinco de los excipientes más prometedores y utilizaron su algoritmo de IA para predecir las proporciones de aquellos excipientes que estabilizarían mejor los LNP similares a los utilizados por Moderna. Con base en esas predicciones, los investigadores probaron dos formulaciones a la vez en células, reintrodujeron esos resultados en el algoritmo y generaron más predicciones. Después de varias rondas, eligieron una formulación que parecía lo suficientemente prometedora como para probarla en estudios con animales.
Este proceso tomó sólo unas pocas semanas, mucho menos de lo que habría tomado sin la guía del algoritmo de IA.
“Antes de implementar el algoritmo de IA, pasamos varios meses probando diferentes combinaciones y también haciendo una selección previa de todos los excipientes que pudimos encontrar, pero nada nos permitió alcanzar una estabilidad del 100 por ciento”, dice Tran.
Respuestas inmunes robustas
Para probar la resistencia al calor de su nueva formulación LNP, los investigadores utilizaron las partículas para empaquetar antígenos de ARNm de Covid-19 y luego los deshidrataron mediante un proceso llamado secado al vacío. Luego, estas partículas se almacenaron a 37 grados Celsius (98 grados Fahrenheit) durante dos meses, o a temperatura ambiente durante un año. Los ratones que fueron vacunados con estas partículas, incluso después de un almacenamiento prolongado, mostraron respuestas inmunes equivalentes a las de los ratones que recibieron vacunas transportadas por LNP similares a la formulación original de Moderna.
Los investigadores también utilizaron su nueva formulación resistente al calor para crear parches sólidos de microagujas que podrían administrar un antígeno del SARS-CoV-2. Estos parches generaron una respuesta inmune similar a la producida por las vacunas de ARN inyectables.
“Nuestro enfoque amplía la aplicación no sólo de vacunas de ARNm, sino también de terapias o plataformas avanzadas de administración de medicamentos, como partículas de liberación controlada o parches de microagujas, lo que requiere que la formulación esté en estado sólido o sea estable a temperaturas más altas”, dice Tian.
Los investigadores también demostraron que podían usar su algoritmo para estabilizar otras formulaciones de LNP, incluida una similar a las utilizadas por Pfizer para administrar su vacuna Covid-19. Esta formulación utiliza los mismos excipientes que el equipo del MIT desarrolló para Moderna LNP, pero en una proporción diferente. Para cada LNP, una vez que se haya desarrollado una formulación resistente al calor, podría adaptarse para entregar cualquier tipo de carga útil de ARNm, dicen los investigadores.
La investigación fue financiada, en parte, por la Fundación Gates.