Mejor empaquetado para una mejor terapia
Imagen superior (crédito: Turash Haque Pial): Ilustración de nanopartículas lipídicas utilizadas para la administración de ARN. La partícula de la izquierda contiene ARN (representado como una hélice), mientras que la de la derecha está vacía. Controlar esta variabilidad en la encapsulación del ARN es fundamental para mejorar la eficacia, la consistencia y la seguridad de las terapias basadas en ARN
inbt.jhu.edu/
abril de 2026
Historia de Turash Haque Pial y Gina Wadas
Investigadores de ciencia e ingeniería de materiales han anunciado un nuevo enfoque que hace que las diminutas partículas a base de grasa utilizadas para administrar medicamentos de ARN, llamadas nanopartículas lipídicas, sean mucho más consistentes en la cantidad de material terapéutico que transportan.
Las nanopartículas lipídicas (LNP) son la base de muchos tratamientos de ARN, incluidas las vacunas de ARNm contra la COVID-19, pero encapsular el ARN terapéutico en las LNP presenta desafíos. Algunas partículas contienen la cantidad correcta de ARN, mientras que otras están sobrecargadas, incompletas o vacías. Esta inconsistencia puede debilitar los tratamientos, requerir dosis más altas y aumentar los efectos secundarios, problemas especialmente graves para pacientes que necesitan terapia repetida o a largo plazo para enfermedades como el cáncer, trastornos genéticos o enfermedades crónicas.
“Nuestro objetivo es comprender por qué se produce esta distribución desigual y cómo controlarla para lograr una administración de fármacos más uniforme”, afirmó Tine Curk , profesora adjunta de ciencia e ingeniería de materiales e investigadora asociada del Instituto de Nanobiotecnología (INBT).
Los LNP son como una flota de furgonetas de reparto que transportan paquetes. Si algunas furgonetas salen del almacén vacías, otras sobrecargadas y otras con la carga justa, esta inconsistencia supone un desperdicio de viajes y recursos, además de que puede dañar la mercancía. Si sabemos por qué las furgonetas se cargan de forma desigual, podemos realizar cambios que optimicen la carga, ahorren recursos y hagan que la entrega sea más eficiente.
Curk y Turash Haque Pial , investigador postdoctoral del Departamento de Ciencia e Ingeniería de Materiales , utilizaron simulaciones por ordenador, aprendizaje automático y experimentos de laboratorio para estudiar cómo se forman las LNP y atrapan el ARN durante su fabricación. Descubrieron que el empaquetamiento del ARN depende no solo de los ingredientes químicos, sino también del tiempo, concretamente, de la velocidad a la que se mueven las moléculas de ARN y de la rapidez con la que los lípidos se autoensamblan en partículas. Con este conocimiento, los investigadores desarrollaron reglas de diseño para controlar el proceso de ensamblaje. Ajustando las velocidades de mezcla y las concentraciones de sal, el equipo redujo drásticamente el número de partículas vacías o mal cargadas y produjo LNP con una distribución de ARN mucho más uniforme. Estos cambios también lograron efectos de silenciamiento génico más potentes a dosis más bajas que las formulaciones estándar y requirieron menos material que no fuera ARN (como lípidos adicionales), lo que podría reducir el riesgo de efectos secundarios.
Sus resultados se publicaron en la revista Advanced Functional Materials.
La investigación se llevó a cabo en colaboración con Hai-Quan Mao , profesor de ciencia e ingeniería de materiales y director del INBT, y Tza-Huei Jeff Wang , profesor de ingeniería mecánica e investigador principal del INBT, destacando un esfuerzo multidisciplinario que abarca modelado computacional, validación experimental y bioingeniería traslacional. Los próximos pasos del equipo incluyen adaptar el enfoque para terapias de ARN más complejas y personalizar las formulaciones para atacar enfermedades o tejidos específicos. El equipo también está desarrollando herramientas fáciles de usar para que otros científicos y desarrolladores puedan aplicar las reglas de diseño al diseñar medicamentos de ARN-LNP.
“Al hacer que la administración de ARN sea más predecible y eficiente, este avance podría reducir las dosis necesarias y los efectos secundarios, acercando las terapias de ARN a tratamientos seguros y repetibles para enfermedades crónicas y medicina de precisión”, dijo Pial.
Este trabajo fue financiado con fondos iniciales proporcionados por la Escuela de Ingeniería Whiting de la Universidad Johns Hopkins a Tine Curk, una subvención del Instituto Nacional del Cáncer a Hai-Quan Mao (R01CA293906-01A1) y del Instituto Nacional de Alergias y Enfermedades Infecciosas (R01AI183336, R01AI181217) a Tza-Huei Wang. El trabajo computacional se llevó a cabo en el centro de computación avanzada para la investigación en Hopkins (ARCH) (rockfish.jhu.edu), financiado por la subvención número OAC 1920103 de la Fundación Nacional de Ciencias (NSF).
____________
Fuente:
