“Patentan biomoléculas que facilitan la predicción
de problemas cardiacos”
Un grupo de investigadores del Grupo
Biología Molecular y Fisiopatologías
Cardiacas de la Universidad de Jaén
(UJA) ha desarrollado un trabajo que
tiene como finalidad reducir el número
de personas afectadas por problemas
cardiacos como síncopes o muerte
súbita a través del control del
funcionamiento de los canales iónicos
del corazón. De hecho, estos canales
son los encargados de regular el flujo de
entrada y salida de iones como el sodio,
el potasio o el calcio, señalan los
autores.
Según Diego Franco, uno de los autores,
este proceso cumple una función muy
importante en la correcta contracción de
las aurículas y los ventrículos, ya que si
se produce una alteración en este
tránsito, la contracción no se regula
adecuadamente y tiene como resultado
las conocidas arritmias cardiacas.
El equipo de trabajo ha obtenido
recientemente la patente MicroRNA útil
“Los principales resultados asociados a
esta investigación han derivado en el
descubrimiento y patente de
biomoléculas (microRNA modificados)
capaces de controlar la subida o bajada
de sodio y, por ende, de disponer de un
alto potencial terapéutico”, indica
Franco.
En primer lugar, los investigadores
determinaron cuáles eran los
microRNAs encargados de regular el
funcionamiento de los factores
asociados al canal de sodio mediante
programas de predicción informáticos.
Los ensayos preliminares en cultivos
celulares demostraron que la mayoría
de las moléculas estudiadas disminuían
la actividad de este canal mientras que
sólo uno la incrementaba, añade el
investigador.
Por ello, decidimos centrarnos en aquel
microRNA que aumentaba, así como en
otro que observamos disminuía de
forma drástica”, describe Franco. Y
añade: “El siguiente paso fue introducir
pequeñas modificaciones en estas
biomoléculas, obteniendo como
resultado una eficaz capacidad para
controlar la subida o bajada de sodio
para el tratamiento de canalopatías
arritmogénicas donde han identificado la
importancia del estudio de las diferentes
estrategias terapéuticas capaces de
modular la función del corazón adulto y
se han centrado especialmente en el
papel regulador de los microRNAs
(moléculas reguladoras) dentro del
canal de sodio.
tanto en células en cultivo como
posteriormente en ratones”.
Estas biomoléculas pueden ser útiles
en síndromes arritmogénicos donde se
produce una alteración del canal de
sodio
Aplicación terapéutica
Estas biomoléculas pueden ser
importantes en síndromes
arritmogénicos donde se produce una
alteración en la actividad o función del
canal de sodio. “Podrían servir para
generar interés en las industrias
farmacéuticas y tratar dos clases de
arritmia altamente asociadas a este tipo
de proceso, en concreto, las patologías
conocidas como el Síndrome de
Brugada y el QT largo, ambos
relacionados con el síncope y la muerte
súbita”.
Asimismo, este estudio ha permitido al
equipo de trabajo abrir nuevas líneas de
investigación con el objetivo de
desarrollar estrategias semejantes en
otras patologías cardiacas como la
fibrilación auricular, un problema de
salud muy frecuente y que, según la
Revista Española de Cardiología, afecta
a un diez por ciento de personas
mayores de 80 años.

“En la actualidad nuestro interés está

centrado en determinar mediante
microRNAs los mecanismos que regulan
uno de los diferentes factores asociados
con la fibrilación auricular. De hecho, ya
hemos determinado cuáles son los
biomoléculas que modulan la expresión
de estos factores y estamos en fase de
https://www.agenciasinc.es/Noticias/Pat
realizar experimentos en animales”,
entan-biomoleculas-que-facilitan-la-
concluye Franco.
prediccion-de-problemas-cardiacos
 “Introducir biomoléculas en
células mediante "nanolanzas"

Unos científicos han Madre, una institución pacientes, ha demostrado

desarrollado un nuevo adscrita a la Universidad ser un tratamiento muy
método que utiliza de California en Los prometedor para una
estructuras Ángeles (UCLA) en amplia gama de
microscópicas parecidas Estados Unidos. enfermedades,
a lanzas o a astillas para incluyendo la hemofilia, la
el suministro dirigido de distrofia muscular, las
biomoléculas La terapia genética, el inmunodeficiencias y
directamente a las células proceso de añadir o ciertos tipos de cáncer.
del paciente. Estas reemplazar genes
estructuras guiadas faltantes o defectuosos en
magnéticamente podrían células
dar pie a terapias de
genéticas que sean más
seguras, más rápidas y
más económicas.

El avance es obra del

equipo de Paul Weiss, del
Centro Eli y Edythe Broad
de Medicina Regenerativa
e Investigación de Células
Ilustración 1:muestra una serie de nanolanzas antes de ser
liberadas para el suministro de información genética a células.
(Foto: UCLA Broad Stem Cell Research Center/ACS Nano)
Los actuales métodos de efectos indeseables para forma eficiente, y, debido
terapia genética se basan las células. a su tamaño diminuto (sus
en virus modificados, puntas son unas 5.000
campos eléctricos Para evitar estosveces más pequeñas que
externos o sustancias con problemas, el equipo de el grosor de un cabello
efectos secundarios Weiss, incluyendo al Dr. humano) pueden
severos, para penetrar en Steven Jonas, diseñó suministrar información
las membranas celulares nanolanzas (estructuras genética con un mínimo
y suministrar genes de tamaño nanométrico impacto sobre la
directamente a las células cuya forma recuerda a la viabilidad de la célula y su
de los pacientes. Cada de lanzas o astillas) cuya metabolismo.
uno de estos métodos composición incluye
tiene sus propios silicio, níquel y oro. Estas
inconvenientes; pueden nanolanzas son
ser costosos, ineficientes biodegradables, se
o causar toxicidad y otros pueden producir en
grandes cantidades de
https://noticiasdelaciencia.com/art/27874/introducir-biomoleculas-en-celulas-
mediante-nanolanzas-
La inteligencia artificial de Google
logra un hito frente a uno de los
mayores retos de la biología
DeepMind, el laboratorio londinense
de inteligencia artificial que Google
compróen 2014, ya ha creado
programas que ganan siempre al
ajedrez, al shogi y al Go, los juegos
de tablero más complejos. Pero el
objetivo final de la empresa no está
en los pasatiempos, sino en resolver
acuciantes problemas científicos. Su
algoritmo AlphaFold, presentado a
principios de diciembre en Cancún,
México, ha ganado una competición
mundial en predecir la estructura
tridimensional de proteínas.
Las proteínas son las máquinas
moleculares de los seres vivos. Cada
una es una cadena larga de unidades
llamadas aminoácidos, como
abalorios ensartados en un alambre,
que se pliega espontáneamente para
adoptar una forma compleja y
precisa. La estructura final de cada
proteína determina su función. Los
anticuerpos, por ejemplo, son como
ganchos que
Se acoplan a los microbios. La
hemoglobina tiene un hueco que atrapa
moléculas de oxígeno. El colágeno es
parecido a un cable trenzado.
Predecir la estructura de cualquier
proteína a partir de su secuencia de
aminoácidos se considera uno de
los santos griales de la biología. No es
tarea menor; los aminoácidos son 20
moléculas con propiedades químicas
ligeramente distintas, con lo cual están
unidos por enlaces de diferentes
longitudes y ángulos. Se tardaría más
que la edad del universo en doblar una
proteína por todas sus configuraciones
posibles antes de dar con la estructura
tridimensional correcta por azar.
Pese a lo esotérico de este campo
científico, es difícil exagerar su
importancia. Ciertas enfermedades,
como el alzhéimer, el párkinson,
la diabetes o la fibrosis quística, se
deben a la acumulación de proteínas
mal plegadas, algo que se podría evitar
conocida la relación entre su secuencia
y su estructura. Casi todos los
medicamentos actúan por acoplamiento
a la región específica de una proteína,
un proceso que de nuevo depende de la
estructura precisa de la diana. Además,
con la capacidad de predecir
exactamente cómo se doblará una
cadena de aminoácidos, los científicos
pueden diseñar proteínas artificiales, por
ejemplo para degradar plásticos o
compuestos contaminantes, del
organismo o del medio ambiente.
En un comunicado, el equipo de
DeepMind ha llamado a este logro su
“primer hito significativo” en la aplicación
de la inteligencia artificial al progreso
científico. “El problema del pliegue de las
proteínas no está resuelto todavía”
advierte Paul Bates, un experto en este
campo del Instituto Francis Crick, en
Reino Unido, que acudió a la
presentación de AlphaFold en Cancún.
“El programa de DeepMind acierta más
veces y con más precisión que los
demás, pero no resuelve todas las
estructuras”, explica Bates a Materia.
Esto es porque la inteligencia artificial
aprende de una base de datos
de proteínas conocidas, y por tanto
tropieza con estructuras completamente
nuevas.
El concurso que ha ganado AlphaFold,
llamado Evaluación Crítica de
Predicción de Estructuras (CASP en
inglés), se celebra cada dos años. En él,
cada equipo recibe en intervalos de
varios días nuevas secuencias
genéticas. Estas se corresponden a
proteínas bien estudiadas en el
laboratorio, pero cuya estructura no se
ha dado a conocer al público. Los
concursantes deben aproximarse lo
máximo posible con sus modelos de
predicción a la forma real de la molécula.
El equipo de Google, que se presentaba
por primera vez al certamen,
quedó primero de 98 concursantes, al
estimar con mayor precisión la
estructura de 25 de las 43
proteínas, según informa The Guardian.
Para cada secuencia de aminoácidos,
suele existir un pliegue correcto, que se
corresponde a la configuración de mayor
estabilidad bioquímica. En un
laboratorio, se puede observar la forma
real de las biomoléculas mediante
técnicas como la resonancia magnética
o la cristalografía de rayos X, un método
parecido al que permitió a Rosalind
Franklin ver por primera vez la
estructura de la doble hélice del ADN.
La inteligencia artificial constituye un proteínas asociadas a enfermedades
avance increíble con respecto a esas degenerativas como el alzhéimer. “Ya se
técnicas complejas y costosas, aunque puede empezar a pensar en esos
todavía no es capaz de sustituirlas por problemas más difíciles. Esto da un
completo. DeepMind entrenó a una red punto de partida".
neuronal relacionando la forma y la
secuencia génica de miles de proteínas Los concursantes de DeepMind
conocidas. Armado con ese concluyen que “queda mucho trabajo
conocimiento, el programa AlphaFold por hacer antes de poder tener un
predice la distancia y el ángulo entre impacto cuantificable en el tratamiento
cada pareja de aminoácidos de la de enfermedades, la gestión del medio
cadena, y luego hace pequeños ajustes ambiente y otras aplicaciones”, pero
a la estructura completa para encontrar añaden que “el potencial es enorme”.
la configuración más estable. Según Bates, el algoritmo ideal probaría
cada enlace de la cadena proteica sin
Las aplicaciones médicas más necesidad de una referencia externa,
inmediatas de esta tecnología se verán pero eso requiere un conocimiento
en el diseño de fármacos, incluidos los profundo de física inalcanzable todavía.
medicamentos contra el cáncer, opina A pesar de que el equipo de DeepMind
Bates. “Todavía no se han conseguido llega nuevo a una disciplina bien trillada,
modelos con suficiente precisión para “lo ha hecho mejor que cualquiera”,
esto”, dice. En un futuro algo más lejano, asegura el científico británico.
podría llegar la modificación de
https://elpais.com/elpais/2018/12/06/ciencia/1544095135_978636.html