Los científicos, a un paso de vacunas personalizadas contra el cáncer gracias al aprendizaje automático y la IA
Un modelo de aprendizaje automático de la Universidad de Yale acelera el diseño de vacunas oncológicas a medida
Vacunas personalizadas contra el cáncer, más cerca gracias a la IA. / Crédito: CC0 Public Domain.
Redacción T21
epe.es/27 FEB 2026 9:41
Un equipo científico ha desarrollado ImmunoStruct, un sistema de aprendizaje profundo capaz de identificar con mayor precisión los rasgos tumorales que activan el sistema inmune. El avance abre la puerta a vacunas personalizadas contra el cáncer, diseñadas según el perfil molecular de cada paciente. La herramienta de IA integra datos estructurales y bioquímicos para optimizar la selección de opciones terapéuticas.
Investigadores de la Universidad de Yale, en Estados Unidos, han desarrollado un modelo de aprendizaje automático, llamado Immunostruct, que puede ayudar a los científicos a crear vacunas más personalizadas, incluidas vacunas contra el cáncer. El nuevo estudio, publicado en la revista Nature Machine Intelligence, integra avances en Inteligencia Artificial (IA) con información estructural y bioquímica de pequeños fragmentos proteicos y secuencias de aminoácidos.
Estimulación personalizada del sistema inmunológico
En concreto, el algoritmo ImmunoStruct mejora la predicción en cuanto a qué péptidos son capaces de activar una respuesta inmune eficaz contra diferentes tumores. Se entrena con datos multimodales: secuencias de aminoácidos, representaciones tridimensionales y propiedades físico-químicas de los péptidos unidos a moléculas.
Según los autores, esta integración enriquece la "visión" del modelo e incluye mejoras en conjuntos de datos públicos tanto de enfermedades infecciosas como de características tumorales, junto a nuevos desarrollos experimentales in vitro y predicciones relacionadas con la supervivencia de pacientes con cáncer.
“Hemos construido un modelo de aprendizaje profundo que integra más información de la que se había combinado antes para mejorar la identificación de objetivos para nuevas vacunas, que estimulen el sistema inmune contra el propio tumor del paciente”, explicó en una nota de prensa Kevin Givechian, uno de los coautores del estudio.
Una mejor identificación de los objetivos sobre los que actúan las vacunas
Al surgir una amenaza potencial, como un virus o un tumor, las células inmunes reconocen péptidos (proteínas cortas) en la superficie del invasor y organizan una respuesta defensiva. Esta pequeña zona con la que interactúa el sistema inmunológico se conoce como epítopo.
Las vacunas basadas en epítopos integran péptidos específicos, para iniciar respuestas inmunes dirigidas con precisión a enfermedades específicas. Los estudios muestran que estas vacunas son una inmunoterapia prometedora para una variedad de cánceres, como melanomas, tumores mamarios y glioblastomas. Además, estas vacunas podrían combatir con mayor eficacia nuevas variantes de enfermedades infecciosas.
Aunque el cáncer es muy heterogéneo y la respuesta inmune depende también del microambiente tumoral y del perfil genético del paciente, el nuevo algoritmo representa un avance clave: al incorporar estructuras y propiedades bioquímicas, reduce la incertidumbre sobre qué objetivos son más viables para la acción de las vacunas.
__________
Referencia
ImmunoStruct enables multimodal deep learning for immunogenicity prediction. Kevin Bijan Givechian et al. Nature Machine Intelligence (2026). DOI:https://doi.org/10.1038/s42256-025-01163-y
_________
Fuente:
