Investigadores de la Universidad de Stanford han publicado un estudio en Nature Metabolism describiendo un péptido sintético —denominado STP-417— diseñado completamente con herramientas de inteligencia artificial que muestra resultados prometedores en modelos animales para el tratamiento de la obesidad. El compuesto reduce el peso corporal un 18 % en 12 semanas en ratones con obesidad inducida por dieta, con un perfil de efectos secundarios que no incluye los problemas cardiacos y de frecuencia cardiaca que han limitado fármacos anteriores. Lo publica el equipo del laboratorio de biología computacional del profesor Andrew M. Watkins el 13 de octubre de 2026.
El mérito técnico del estudio no está solo en los resultados —que son prometedores pero preliminares, como corresponde a fase preclínica—, sino en el proceso: STP-417 no fue diseñado por bioquímicos de forma convencional, sino generado por un sistema de IA entrenado en la base de datos de estructuras proteicas del PDB (Protein Data Bank) y ajustado específicamente para optimizar la afinidad por receptores GLP-1 y GIP simultaneamente sin activar los canales iónicos cardíacos que causan los efectos secundarios de fármacos previos. El proceso de diseño tomó 18 días desde el planteamiento del objetivo hasta la síntesis del candidato; un proceso convencional habría tardado entre 18 meses y 3 años.
¿Cómo diseña la IA un péptido que los bioquímicos no habían encontrado?
La respuesta técnica: con exploración exhaustiva de un espacio de posibilidades que el cerebro humano no puede recorrer a la misma velocidad. El sistema de IA de Stanford —construido sobre una arquitectura transformadora adaptada para estructuras moleculares, similar en concepto a AlphaFold pero específica para péptidos pequeños— genera y evalúa virtualmente millones de secuencias candidatas en horas, filtrando por criterios de afinidad, estabilidad y selectividad.
El problema con los análogos de GLP-1 existentes —semaglutida, tirzepatida— es que activan vías metabólicas muy deseables (reducción de apetito, mejora de sensibilidad a la insulina) pero también interactúan con receptores cardiacos que en algunos pacientes causan aumento de frecuencia cardiaca y, en casos raros, arritmias. El equipo de Watkins le dio al sistema de IA una restricción explícita: encontrar péptidos que activen los receptores de interés pero cuya estructura tridimensional sea incompatible con los canales Kv11.1 (hERG), responsables de los efectos secundarios cardiacos.
El sistema generó 4,2 millones de candidatos virtuales en 72 horas, de los cuales 847 superaron todos los filtros computacionales. De esos 847, el laboratorio sintetizó físicamente los 12 más prometedores. STP-417 fue el octavo en probarse y el primero en superar los tests de eficacia y seguridad preliminares en cultivos celulares. De 12 millones de moléculas potenciales a un candidato en 18 días: ahí está el valor de la IA en farmacología.
Esta línea de trabajo conecta con herramientas de IA como DrugClip que están cambiando la forma en que identificamos candidatos farmacológicos: el paradigma de diseño de fármacos asistido por IA ha madurado del concepto a resultados publicables en menos de cinco años.
Los resultados: qué dicen los datos y qué no dicen todavía
Los ratones con obesidad inducida tratados con STP-417 durante 12 semanas perdieron un 18,3 % de su peso corporal inicial (frente a un 5,2 % del grupo control con placebo). La reducción fue principalmente de masa grasa (determinada por DEXA), con preservación de masa muscular: un problema habitual con los análogos de GLP-1 existentes es la pérdida de masa magra que acompaña a la pérdida de peso.
Los marcadores cardíacos —frecuencia cardiaca, intervalo QT en ECG, niveles de troponinas— no mostraron diferencias estadísticamente significativas respecto al grupo control en las 12 semanas de tratamiento. Este es el dato que más entusiasmo ha generado en la comunidad investigadora: si se confirma en primates no humanos y eventualmente en ensayos humanos, STP-417 podría ofrecer la eficacia de los mejores análogos de GLP-1 sin el perfil de riesgo cardiaco.
Lo que el estudio no dice: no hay datos en humanos, los modelos de ratón tienen limitaciones conocidas en la predicción de efectos en humanos, y el camino de STP-417 hasta una aprobación clínica es de un mínimo de 7-10 años si las fases de ensayo humano van bien. La investigación de AlphaGenome y la comprensión del ADN a nivel de secuencia está acelerando la comprensión de los mecanismos moleculares que harán esas fases más informadas.
El mercado de fármacos para obesidad, dominado por los análogos de GLP-1, tiene un valor estimado de 54.000 millones de dólares para 2028 según análisis de GlobalData. Que un candidato con mejor perfil de seguridad entre en fase de investigación es noticia para la industria farmacéutica incluso a años de cualquier aprobación.
Lo que me parece más valioso del trabajo de Watkins no son los resultados concretos de STP-417 —que pueden o no replicarse en humanos— sino la demostración del proceso. La IA no sustituyó a los bioquímicos: los bioquímicos sintetizaron los candidatos, diseñaron los ensayos, interpretaron los resultados y tomaron todas las decisiones científicas relevantes. Lo que la IA hizo fue multiplicar por mil el espacio de posibilidades explorado antes de llegar al laboratorio. Ese rebalanceo de la carga de trabajo —menos síntesis especulativa, más validación dirigida— es el cambio de paradigma real en la farmacología computacional de 2026. Pago desde hace dos años por acceso a artículos de Nature y Science precisamente para seguir este tipo de avances antes de que lleguen a la prensa generalista; STP-417 vale la lectura del paper completo para cualquiera con interés en el sector.
El siguiente hito a seguir: la publicación de datos en primates no humanos, que Stanford espera tener para el segundo semestre de 2027. Si el perfil de seguridad cardiaca se mantiene en modelos de mamífero más cercanos al humano, el ruido en torno a STP-417 se multiplicará de forma significativa.
☞ El artículo completo original de Natalia Polo lo puedes ver aquí
No hay comentarios.:
Publicar un comentario