🔬 Meng y colegas usaron predicciones de AlphaFold3 para estudiar miles de editores de bases unidos a ácidos nucleicos. El trabajo, comentado en Nature, identificó contactos moleculares que se correlacionan con edición en el objetivo frente a edición fuera de él, y sirvió para mejorar la selectividad del editor.
Los editores de bases son herramientas de reescritura del genoma capaces de cambiar un solo nucleótido en sitios concretos. El artículo destaca su potencial para tratar muchas enfermedades genéticas, pero el reto central sigue siendo la fidelidad: editar donde se busca sin tocar secuencias parecidas.
La clave estuvo en mirar diferencias muy pequeñas. El texto habla de desplazamientos de menos de una diezmilmillonésima de metro en el espacio entre la enzima y su objetivo. Con IA, el equipo predijo estructuras de miles de complejos formados por editores de bases y ácidos nucleicos, y luego buscó patrones en esos contactos.
Esos patrones separaron interacciones asociadas con edición en el sitio correcto de otras ligadas a edición fuera del objetivo. Según el artículo, ese mapa molecular permitió ajustar la enzima para mejorar su selectividad por las secuencias de ADN buscadas.
✅ El avance apunta a una vía práctica para diseñar editores de bases más fieles, una pieza clave si estas herramientas van a usarse contra enfermedades genéticas. El límite: el artículo describe una mejora basada en predicciones y patrones moleculares; no presenta, en el texto disponible, datos clínicos ni resultados en pacientes.
