Un péptido diseñado con inteligencia artificial reduce un 18 % el peso en ratones sin señales de toxicidad cardiaca
Investigadores de la Universidad de Stanford han desarrollado con herramientas de inteligencia artificial un péptido sintético que ha reducido un 18,3 % del peso corporal en ratones con obesidad tras 12 semanas de tratamiento. El compuesto, denominado STP-417, también ha preservado buena parte de la masa muscular y no ha mostrado alteraciones relevantes en varios marcadores cardiacos.
Los resultados, publicados el 13 de octubre en Nature Metabolism, se encuentran todavía en una fase preclínica. Esto significa que se han obtenido en modelos animales y cultivos celulares, pero aún no existen datos que permitan saber si el tratamiento será eficaz o seguro en seres humanos.
Un diseño molecular acelerado por IA
El equipo del laboratorio de biología computacional dirigido por Andrew M. Watkins utilizó un sistema de inteligencia artificial especializado en estructuras moleculares. Su función fue generar y evaluar millones de secuencias de péptidos, pequeñas cadenas de aminoácidos capaces de interactuar con receptores del organismo.
El modelo se entrenó con información procedente del Protein Data Bank, una base de datos internacional que reúne estructuras tridimensionales de proteínas. Su arquitectura, inspirada en los modelos transformadores utilizados en otros sistemas de IA, fue adaptada para analizar péptidos y predecir cómo podrían comportarse al unirse a determinados receptores.
El objetivo era encontrar una molécula capaz de activar simultáneamente los receptores GLP-1 y GIP. Ambos participan en la regulación del apetito, la glucosa y el metabolismo energético, y son también las dianas de algunos de los fármacos más conocidos contra la obesidad y la diabetes tipo 2.
Al mismo tiempo, el sistema recibió una restricción específica: evitar la interacción con el canal iónico Kv11.1, también conocido como hERG. Esta proteína interviene en la actividad eléctrica del corazón y su alteración puede prolongar el intervalo QT del electrocardiograma, un factor asociado a trastornos del ritmo cardiaco.
4,2 millones de candidatos en 72 horas
La herramienta generó virtualmente 4,2 millones de candidatos en 72 horas. Cada secuencia se filtró según tres criterios principales: afinidad por los receptores metabólicos, estabilidad de la molécula y selectividad, es decir, la capacidad de actuar sobre las dianas deseadas sin afectar a otras proteínas relevantes.
Solo 847 candidatos superaron todos los filtros computacionales. El laboratorio sintetizó los 12 más prometedores y los sometió a pruebas experimentales. STP-417 fue el octavo compuesto analizado y el primero que superó de forma satisfactoria los ensayos preliminares de eficacia y seguridad en cultivos celulares.
Según los investigadores, todo el proceso transcurrió en 18 días, desde la definición del objetivo hasta la síntesis del candidato. Un programa convencional de diseño y selección de moléculas puede requerir entre 18 meses y tres años antes de llegar a una primera evaluación de laboratorio.
Más pérdida de grasa y menos masa muscular
En el estudio con ratones sometidos a una dieta que induce obesidad, los animales tratados con STP-417 perdieron de media un 18,3 % de su peso inicial. El grupo que recibió un placebo redujo su peso un 5,2 % durante el mismo periodo.
El análisis mediante DEXA, una técnica de imagen utilizada para diferenciar tejido graso y masa magra, indicó que la mayor parte de la reducción procedía de la grasa corporal. Los animales conservaron una proporción significativa de masa muscular, un aspecto relevante porque la pérdida de peso asociada a algunos tratamientos puede incluir también tejido magro.
Los autores observaron además una reducción del apetito y mejoras en varios marcadores relacionados con el metabolismo de la glucosa. No obstante, estos resultados deben interpretarse con cautela: la respuesta de los ratones no reproduce necesariamente la complejidad de la obesidad humana ni permite anticipar por sí sola la eficacia clínica.
Sin cambios cardiacos significativos durante 12 semanas
Uno de los principales focos del trabajo fue la seguridad cardiovascular. Durante el tratamiento, los investigadores controlaron la frecuencia cardiaca, el intervalo QT mediante electrocardiograma y los niveles de troponinas, proteínas que pueden elevarse cuando existe daño en el músculo del corazón.
Ninguno de estos marcadores mostró diferencias estadísticamente significativas frente al grupo tratado con placebo. El resultado sugiere que STP-417 podría evitar algunas interacciones cardiacas no deseadas, aunque no demuestra que el compuesto esté libre de riesgos.
Los fármacos basados en las vías GLP-1 y GIP han transformado el tratamiento de la obesidad, pero pueden provocar efectos secundarios y requieren una evaluación cardiovascular exhaustiva. La ausencia de señales adversas en ratones es, por tanto, un dato alentador, pero todavía insuficiente para valorar la seguridad en personas.
El próximo paso: primates y ensayos clínicos
El estudio no incluye participantes humanos y los modelos de ratón presentan limitaciones conocidas. Antes de iniciar ensayos clínicos, STP-417 tendrá que superar pruebas adicionales de toxicidad, farmacocinética y eficacia en especies más cercanas al ser humano, incluidos previsiblemente primates no humanos.
El equipo de Stanford prevé disponer de nuevos datos en primates durante el segundo semestre de 2027. Incluso si los resultados son positivos, el desarrollo de un medicamento y su posible autorización podrían requerir entre siete y diez años, debido a las distintas fases de investigación clínica y a la revisión de las autoridades sanitarias.
La importancia del trabajo no se limita al candidato concreto. La inteligencia artificial no ha sustituido a los especialistas: los investigadores han definido los objetivos, sintetizado las moléculas, diseñado los experimentos e interpretado los resultados. Su aportación ha consistido en explorar un espacio de posibilidades mucho mayor y descartar antes las secuencias menos prometedoras.
Este enfoque puede cambiar la investigación farmacológica al reducir la síntesis especulativa y concentrar los recursos del laboratorio en candidatos seleccionados mediante predicciones computacionales. En un mercado de medicamentos contra la obesidad que podría alcanzar los 54.000 millones de dólares en 2028, cualquier molécula con un perfil de eficacia y seguridad diferenciado atraerá la atención de la industria, aunque su llegada a las farmacias todavía quede lejos.
