Un algoritmo de pocos datos mejora la estabilidad de vacunas de ARN

Investigadores del Instituto Tecnológico de Massachusetts (MIT) utilizaron aprendizaje automático para ajustar las nanopartículas lipídicas que protegen y transportan el ARN mensajero (ARNm) de las vacunas. En vez de probar una enorme cantidad de combinaciones sin guía, el algoritmo aprovechó un conjunto reducido de datos experimentales para orientar las siguientes decisiones sobre la formulación y las proporciones de sus componentes. 1013

Los informes disponibles no precisan cuáles fueron todos los ingredientes estabilizantes ni sus proporciones exactas, y tampoco permiten confirmar qué componentes concretos contaban con aprobación de la FDA. Por eso, no es posible atribuirle al estudio una receta específica. 1013

Estabilidad frente al tiempo y el calor

Las formulaciones experimentales conservaron su actividad hasta un año almacenadas a temperatura ambiente y durante dos meses a unos 37 °C. En los ensayos con ratones, las vacunas almacenadas provocaron una respuesta inmunitaria comparable a la de una vacuna de ARNm similar a la de Moderna. 101314

Parches y posibles aplicaciones

También se informó que la formulación podía utilizarse en parches de microagujas, que depositan el material mediante pequeñas proyecciones sobre la piel. Los investigadores plantean que el método podría adaptarse a distintas formulaciones de vacunas y cargas de ARNm, pero la información disponible no permite afirmar que cada combinación haya sido evaluada por separado. 1014

Si estos resultados llegaran a traducirse en productos aprobados, una menor dependencia de la refrigeración podría facilitar la distribución en lugares con infraestructura limitada para mantener la cadena de frío. Por ahora, los hallazgos no prueban eficacia ni seguridad en personas ni establecen la vida útil de una vacuna comercial. 1014