Un editor prime con estabilidad y expresión de la transcriptasa inversa mejoradas mediante IA alcanza hasta 2,9 veces la eficiencia de edición en ratones
Antecedentes
Un estudio publicado en Nature Biotechnology utilizó inteligencia artificial (IA) para rediseñar la transcriptasa inversa (RT) y mejorar la estabilidad y expresión proteicas de los editores prime. PE8, el editor rediseñado, mostró una mayor eficiencia de edición en experimentos ex vivo, incluidos los realizados con células primarias humanas, y alcanzó en ratones hasta 2,9 veces la eficiencia de edición de los editores de comparación. El estudio se centró en compensar la reducción de la estabilidad y expresión proteicas asociada a los esfuerzos por aumentar la eficiencia de los editores existentes.
La ingeniería de proteínas y la evolución en laboratorio se han utilizado para mejorar los editores prime. Sin embargo, los investigadores observaron que modificaciones anteriores que aumentaban la eficiencia de edición también reducían la estabilidad y la expresión proteicas, lo que limitaba el rendimiento. Es decir, las mutaciones que mejoran la eficiencia pueden perjudicar otras propiedades de la proteína. El equipo abordó esta contrapartida rediseñando los dominios RT de editores mejorados mediante ingeniería u obtenidos por evolución en laboratorio.
Hallazgos principales
Los investigadores rediseñaron el dominio RT con un método de IA que utiliza información estructural. El método incluyó la red de plegamiento inverso ProteinMPNN, y durante el diseño se conservaron las regiones esenciales para la actividad catalítica. La estrategia modificó ampliamente el resto de la secuencia y mantuvo las regiones necesarias para la función del editor existente.
Las RT rediseñadas incorporaron 30–163 sustituciones de aminoácidos. Mejoraron tanto la estabilidad del plegamiento como la expresión soluble. Tras la administración de ARN mensajero (ARNm), los niveles intracelulares de proteína del editor prime llegaron a duplicarse. Esta cifra corresponde al cambio en los niveles de proteína, no al factor de aumento de la eficiencia de edición.
El rendimiento de edición de PE8 rediseñado se evaluó en varias condiciones experimentales. Se observó una mejora de la eficiencia de edición ex vivo en varios tipos de células primarias humanas y con distintos métodos de administración. Sin embargo, el resumen disponible no indica las tasas absolutas de edición para cada tipo celular y método, por lo que no permite determinar en qué condiciones fue mayor la mejora.
En los experimentos con ratones, PE6, PE7 y PEmax fueron los comparadores. La eficiencia de edición de PE8 alcanzó hasta 2,9 veces la de estos editores, pero esa cifra representa la mejora máxima comunicada. No debe interpretarse como prueba de que el mismo efecto se produjo con todas las dianas y condiciones de administración, ni de que la eficiencia en células primarias humanas aumentara en la misma proporción.
Significado y perspectivas
El estudio muestra que el rediseño basado en IA puede mejorar la estabilidad y la expresión de editores obtenidos mediante evolución en laboratorio. Su aportación consiste en combinar cambios que aumentan la eficiencia de edición con diseños que mejoran las propiedades de la proteína. Los autores consideran que se trata de un enfoque generalizable para mejorar las herramientas de edición genómica que complementa la evolución en laboratorio.
La evidencia disponible se limita a información bibliográfica indexada y al resumen. Con esos materiales es difícil establecer los efectos de cada sustitución, las tasas absolutas de edición por diana, los momentos de medición y los datos estadísticos, así como las condiciones de administración en ratones. Los resultados en células primarias humanas y ratones ofrecen una base para continuar el desarrollo, pero no demuestran eficacia terapéutica ni seguridad clínica en pacientes. Para evaluar una aplicación práctica, habría que analizar por separado el rendimiento de edición y la seguridad en función del tipo celular, la diana y el método de administración pertinentes.
El estudio se describe en el resumen del artículo indexado en Europe PMC. DOI: 10.1038/s41587-026-03149-6.
Nature Biotechnology, Published online: 21 May 2026. DOI: 10.1038/s41587-026-03149-6
Summary: Bypassing the evolutionary trade-offs and capital-intensive barriers of traditional directed laboratory evolution, this landmark study implements an advanced computational redesign strategy to engineer next-generation prime editors. Utilizing AI-driven structural prediction models, researchers mapped the exact geometric topology of the reverse transcriptase (RT) domain interaction interface during template-directed synthesis. The optimized computational variants down-regulate the free energy activation threshold of the catalytic core, expanding the heritable gene-editing velocity by over three-fold. Concurrently, the structural adjustments structurally enhanced replication fidelity to reduce off-target indel mutagenesis by over 50%, providing a programmable molecular baseline for clinical-grade therapeutic genome engineering.
Quienes diseñan experimentos de edición prime en células primarias humanas pueden considerar PE8 como candidato para compararlo con los editores existentes. Por ejemplo, medir por separado los niveles intracelulares de proteína y las tasas de edición en condiciones de administración de ARNm puede ayudar a evaluar si las ventajas del rediseño se reproducen en su propio sistema experimental. Estos resultados respaldan una estrategia de desarrollo que parte de un editor existente obtenido mediante evolución y mejora su estabilidad y expresión. Sin embargo, alcanzar en ratones un máximo de 2,9 veces la eficiencia de edición de los comparadores no permite predecir los efectos terapéuticos ni una dosis adecuada en humanos. Para emplear este enfoque en el desarrollo de terapias, habría que validar por separado el rendimiento y la seguridad para cada diana, tipo celular y método de administración.