Envisagenics, una compañía biotecnológica impulsada por inteligencia artificial, anunció hoy la publicación de los resultados de un estudio en la revista Molecular Systems Biology. Este estudio evalúa la eficacia de la plataforma de inteligencia artificial y aprendizaje automático (IA/ML) de la empresa, SpliceCore, en el cáncer de mama triple negativo (TNBC). El estudio demuestra la utilidad de la IA/ML para el descubrimiento de objetivos en el TNBC y para la identificación de oligonucleótidos de cambio de empalme (SSOs) funcionales y verificables, cruciales para el desarrollo de terapias basadas en ARN. Los resultados también validan su potencial para abordar una enfermedad tan desafiante como el TNBC, un cáncer particularmente agresivo que afecta aproximadamente a 200.000 pacientes anualmente, con una tasa de supervivencia a cinco años de solo el 20%. Los resultados detallados del estudio, titulado «Desarrollo y validación de oligonucleótidos de cambio de empalme derivados de IA/ML», están disponibles en la publicación.

Los SSOs son compuestos de oligonucleótidos antisentido sintéticos que actúan directamente sobre el pre-ARNm para regular la expresión de isoformas alternativas de empalme únicas para las células cancerosas, que son clave en la progresión y metástasis del cáncer. Aunque prometen como enfoque terapéutico para impedir el crecimiento del cáncer, la identificación de SSOs funcionales mediante métodos tradicionales es costosa y requiere mucho tiempo y mano de obra.

«Este estudio cierra la brecha entre las predicciones computacionales y la validación experimental, posicionando a la IA/ML como una fuerza crítica en la validación de objetivos de ARN y el avance del desarrollo terapéutico de SSO», dijo Martin Akerman, PhD, CTO y cofundador de Envisagenics.

En el estudio, Envisagenics logró los siguientes hitos:

• Utilizó su plataforma propietaria, SpliceCore, para identificar nuevos objetivos terapéuticos junto con sus SSOs modulatorios correspondientes y los factores de empalme específicos afectados en el pre-ARNm por estos SSOs.
• Realizó una validación retrospectiva del algoritmo SpliceCore utilizando SSOs funcionales conocidos.
• Validó un objetivo previamente no identificado en TNBC, el exón 13 de NEDD4L (NEDD4Le13), descubierto a través de la plataforma SpliceCore.
• Demostró la eficacia de dirigirse a NEDD4Le13 con un SSO diseñado por IA/ML, mostrando su capacidad para atenuar las tendencias proliferativas y migratorias de las células TNBC, a través de la regulación a la baja de la vía del factor de crecimiento transformante beta (TGFβ), un jugador clave en la invasión y metástasis del tumor.
• Descubrió un nuevo mecanismo de regulación de la vía TGFβ a través del empalme alternativo en el cáncer.

«Para pacientes con TNBC y otras enfermedades difíciles de tratar, este estudio ilustra la utilidad de SpliceCore para descubrir nuevos objetivos terapéuticos a partir de datos de secuenciación de ARN del paciente», dijo el Dr. Akerman. «Nuestros hallazgos afirman la solidez y confiabilidad de la plataforma y arrojan luz sobre avenidas previamente no reconocidas para la intervención terapéutica».