Avance en edición genética: un modelo de IA aprende a predecir los resultados de CRISPR
Un equipo internacional de científicos de la Universidad de Zúrich y la Universidad de Gante ha desarrollado un sistema de inteligencia artificial llamado Pythia que predice con precisión cómo reparará una célula el ADN tras la edición con CRISPR. Este modelo permite crear un 'pegamento molecular' para inserciones génicas de alta precisión, evitando mutaciones peligrosas y grandes deleciones.
Revisión analítica: Pythia — cuando la IA aprendió a predecir cómo una célula 'cose' el CRISPR
Fecha de análisis: 29 de mayo de 2026
[La esencia]: qué está pasando realmente
En apariencia, es un modelo de IA más para biólogos. Científicos de Zúrich y Gante crearon el algoritmo Pythia, que predice cómo reparará una célula el ADN tras un corte con CRISPR. Permite la inserción génica con la precisión de un 'pegamento molecular', evitando mutaciones peligrosas. Una bonita historia para Nature Biotechnology.
Pero la verdadera historia no va de precisión. Se trata de un replanteamiento fundamental de lo que considerábamos un 'error'.
El 22 de agosto de 2025 se publicó un artículo en Nature Biotechnology. Han pasado nueve meses. ¿Por qué escribo sobre ello ahora? Porque solo ahora la comunidad científica empieza a darse cuenta de que Pythia no es solo otra herramienta para diseñar moldes donantes. Es la primera vez que no intentamos suprimir la vía de reparación 'incorrecta' (MMEJ — unión mediada por microhomología). Hemos aprendido a programarla.
La principal idea no obvia que no aparece en los titulares:
Durante ocho años, los ingenieros genéticos intentaron forzar a las células a reparar el ADN de la manera 'correcta' — mediante HDR (reparación dirigida por homología). Y perdieron porque la HDR solo funciona en células en división. Pythia no es una mejora de la HDR. Es una admisión de que la vía 'incorrecta' MMEJ es en realidad la única universal. En lugar de luchar contra la célula, los autores aprendieron a predecir cómo se equivocaría y le proporcionaron el 'error correcto'.
Cronología y contexto
2012-2020: La edad de oro de la HDR. Toda la investigación en terapia génica giraba en torno a la vía de reparación 'correcta'. Problema: la HDR solo funciona en células en división. Neuronas, cardiomiocitos, hepatocitos — inalcanzables.
2018: El grupo de David Liu en Harvard desarrolla inDelphi, el primer modelo para predecir pequeñas deleciones tras CRISPR. Muestra que la MMEJ no es aleatoria. Pero el modelo solo funciona para deleciones cortas, no para inserciones.
2022: Surgen tecnologías como PITCh y GeneWeld, que intentan usar la MMEJ para inserciones. Pero sin IA — a ciegas.
Agosto de 2025: Publicación de Pythia. Diferencia clave: el modelo está entrenado para predecir no solo deleciones, sino también exactamente cómo la célula unirá el ADN donante al genoma. Los autores analizaron millones de posibles resultados de reparación e identificaron las reglas que gobiernan la MMEJ.
Resultados revolucionarios:
- En células HEK293 — 32 loci genéticos con inserción precisa
- En embriones de rana Xenopus — transmisión germinal
- En cerebros de ratones adultos — inserción en neuronas que no se dividen
El último punto es un hito histórico. Nadie había insertado antes genes en neuronas de un organismo adulto con precisión predecible. La HDR simplemente no funciona allí.
Quién gana y quién pierde
Ganador absoluto: la comunidad de terapia génica para enfermedades neurodegenerativas. Alzheimer, párkinson, Huntington — todas enfermedades donde las neuronas son el objetivo. Con Pythia, por primera vez, existe una herramienta para la inserción génica precisa en células que no se dividen. No 'inserción con una oración', sino inserción con un resultado predecible.
Ganador: la biología fundamental. Pythia permite insertar etiquetas fluorescentes en proteínas directamente en organismos vivos. 'Esto nos permite observar directamente lo que hacen las proteínas individuales en tejidos sanos y enfermos', dice Thomas Nart. Para entender la patogénesis, es un nivel que no existía antes.
Perdedor: todo el ecosistema de terapia génica orientado a HDR. Las empresas que construyeron sus plataformas sobre HDR (con brazos de homología largos, estimulación del ciclo celular) ahora tienen que replantearse su arquitectura. La HDR no morirá, pero su participación en aplicaciones que involucran células que no se dividen caerá del 80% al 20% en 3-5 años.
Perdedor no obvio: Intellia Therapeutics. Sí, tienen NTLA-2001 para amiloidosis por transtiretina, aprobado en el Reino Unido. Pero su tecnología se basa en CRISPR clásico y HDR para edición in vivo. Pythia ofrece una alternativa que podría ser más precisa y segura. Si Pythia muestra resultados comparables en la clínica, el posicionamiento de Intellia como 'líder en edición in vivo' se cuestionará.
Lo que los medios no dicen
Primero y más importante. La mejora del 40% en precisión que se promociona en los comunicados de prensa es para 32 loci probados en células HEK293. En neuronas primarias de ratón u organoides humanos, la eficiencia puede diferir. De 32 loci a los 20.000 genes humanos — una brecha enorme.
Segundo. La MMEJ, incluso guiada por Pythia, sigue dejando 'cicatrices' — pérdida de una o más repeticiones en tándem en los brazos de reparación. En el 45% de las lecturas en la unión izquierda y el 28% en la derecha, se perdió una o más repeticiones. Esto no es una inserción 'libre de errores'. Es una inserción 'predecible' con un conjunto limitado de errores. Para la aplicación clínica, la diferencia es crítica.
Tercero. Los autores afirman que Pythia funciona 'en cualquier célula, incluso en las que no se dividen'. Formalmente sí, los experimentos en cerebro de ratón lo confirman. Pero la eficiencia en el cerebro fue significativamente menor que en HEK293. El artículo de Nature Biotechnology reporta cifras un orden de magnitud menores. 'Funciona' y 'funciona con eficacia clínicamente significativa' son cosas distintas.
Cuarto. El camino desde neuronas de ratón hasta neuronas humanas en un contexto clínico es de 5 a 7 años y cientos de millones de dólares. Pythia es una herramienta para investigación preclínica, no una solución terapéutica lista. Deberá demostrar la ausencia de inserciones oncogénicas (grandes deleciones, translocaciones, reordenamientos cromosómicos) a una escala suficiente para una solicitud de IND.
Pronóstico: próximos 30 días y 90 días
30 días:
Comenzará una avalancha de prepublicaciones que utilizan Pythia. Dado que el modelo es accesible para los investigadores (los autores prometen acceso abierto a la herramienta de diseño), todos los laboratorios que trabajan con modelos neurodegenerativos intentarán insertar su gen reportero favorito.
Pregunta clave que se debatirá en conferencias (p. ej., CRISPR 2026 en Boston en septiembre): ¿Cómo se compara Pythia con la edición prime? Esta última también permite la inserción génica sin HDR, pero con tamaños de inserción más pequeños. ¿Quién ganará la carrera por la 'herramienta universal para células que no se dividen'?
90 días:
Primeros estudios de replicación. Otros grupos intentarán replicar los resultados de los autores en líneas celulares independientes y otros organismos. Si la replicación tiene éxito, Pythia se convierte en una herramienta estándar. Si surgen discrepancias, comenzará un debate sobre las limitaciones del modelo.
Segundo evento: solicitudes de patente. La Universidad de Zúrich y la Universidad de Gante probablemente ya han presentado solicitudes para la metodología. Si la patente es amplia (que cubra 'uso de IA para diseñar brazos de microhomología'), podría crear barreras para la comercialización.
Pronóstico a largo plazo (2026-2028):
Pythia cambiará la etapa preclínica del desarrollo de terapias génicas. En dos años, la mayoría de los laboratorios que trabajan con modelos de ratón de enfermedades neurodegenerativas pasarán de HDR a MMEJ optimizada por Pythia. Razón: no la eficiencia (aún menor que HDR en células en división), sino la capacidad de trabajar con dianas que no se dividen.
Pythia entrará en la práctica clínica no antes de 2030. Necesitará:
- Mostrar eficacia en neuronas primarias humanas u organoides
- Descartar efectos fuera de diana a escala genómica
- Desarrollar un protocolo de producción GMP para moldes donantes
- Realizar estudios toxicológicos en primates
Y finalmente: no crean que la IA 'resolvió' el problema de CRISPR. Hizo otra cosa: convirtió el 'ruido' de la reparación celular en una 'señal'. Por fin hemos dejado de preguntarnos '¿por qué la célula repara el ADN de forma tan impredecible?' y empezamos a preguntarnos '¿cómo podemos predecir lo que hará esta vez?'. Eso es un cambio de paradigma. Pero el camino para conquistar las enfermedades genéticas aún dura una generación.
— Editorial Team
