Un equipo del MIT ha diseñado con inteligencia artificial vacunas ARNm termoestables que sobreviven sin cadena de frío. Las formulaciones conservan el 100% de su actividad después de dos meses a 37 °C, según el estudio publicado en Nature.
El problema que abordan es viejo y muy concreto. El ARNm encapsulado en nanopartículas lipídicas se degrada con el calor y obliga a mantener la vacuna en ultracongelación desde la fábrica hasta el brazo del paciente. Esa exigencia encarece cada dosis y deja fuera a buena parte de los países sin infraestructura de frío.
Dos meses a temperatura corporal: el reto de las vacunas ARNm termoestables
El sistema se llama AGENT y produce formulaciones sólidas, sin agua, que retienen toda su actividad biológica tras más de dos meses a 37 °C. La cifra no es un detalle de laboratorio: 37 °C es la temperatura del cuerpo humano, el rango en el que un vial olvidado en una sala cálida deja de servir con las vacunas actuales.
No se trata de un prototipo exótico. Los investigadores estabilizaron dos nanopartículas lipídicas clínicamente relevantes, representativas de las composiciones de Moderna, basada en SM-102, y de Pfizer-BioNTech, basada en ALC-0315. Son las mismas que recibieron cientos de millones de personas. La diferencia no está en el ARNm.
En roedores y primates no humanos, esas versiones termoestables indujeron respuestas inmunitarias específicas de antígeno no inferiores a las que provoca la inyección intramuscular de una vacuna soluble recién preparada. El secado, por tanto, no parece cobrarse un precio inmunológico.
La formulación sin agua habilita además formatos imposibles con ultracongeladores de por medio: parches de microagujas, películas finas, dispositivos que se guardan en un cajón a temperatura ambiente.
El avance no mejora el ARNm: mejora el trayecto entre la fábrica y el brazo, que es donde se pierden las dosis.
Pensemos en la escala. Una nevera portátil con hielo aguanta unas horas; un ultracongelador mantiene decenas de grados bajo cero durante años, pero exige electricidad constante, mantenimiento y camiones que no se averíen. Cada eslabón roto es una dosis perdida.
Cómo la IA encontró la fórmula en seis intentos y un mes
AGENT combina experimentación de alto rendimiento con optimización bayesiana, una estrategia matemática que decide qué experimento conviene hacer a continuación. El resultado: seis iteraciones completadas en un mes para dar con formulaciones estables, según el resumen del trabajo.
Los intentos previos de estabilizar el ARNm se habían topado con dos límites: un abanico estrecho de formulaciones y métodos de cribado lentos. Aquí el algoritmo exprime información de conjuntos de datos muy pequeños, que es justo lo que escasea cuando cada experimento cuesta tiempo y dinero.
El espacio de búsqueda es enorme. Una nanopartícula lipídica se define por varios lípidos, sus proporciones, el pH del tampón, los crioprotectores y las condiciones de secado. Cambiar una sola variable mueve el resultado, y probar combinaciones de una en una consume años. La optimización bayesiana no adivina: construye un mapa de lo explorado y apunta al siguiente punto con mayor probabilidad de mejora.
Los datos generados están disponibles en un repositorio abierto de Zenodo, junto con la secuencia del dominio de unión al receptor depositada en GenBank y el código del algoritmo en plataformas como AutODEx. Es el tipo de transparencia que permite replicar un resultado antes de darlo por bueno.
Vacunas ARNm termoestables: lo que el estudio aún no demuestra
La búsqueda de vacunas que sobrevivan al calor no empieza hoy. La liofilización, el secado por vacío y los parches de microagujas llevan años en la literatura científica, con resultados parciales. Lo nuevo es el modo de buscar: dejar que un algoritmo navegue el espacio de formulaciones en lugar de confiar en la intuición del formulador.
El estudio está publicado en una revista con revisión por pares y los datos son públicos, lo que sostiene la solidez del resultado experimental. Ahora bien, conviene leerlo con precisión. Dos meses no son dos años. Las pruebas se hicieron en roedores y primates no humanos, no en personas, y el 100% de actividad biológica se mide en ensayos de laboratorio, no en protección clínica frente a una enfermedad.
Hay otra lectura que ayuda a calibrar el alcance. Las dos formulaciones estabilizadas no son vacunas nuevas: son composiciones ya autorizadas, tratadas para que no necesiten hielo. Eso reduce el riesgo regulatorio y explica por qué el hallazgo resulta tan aplicable, pero también recuerda que el cuello de botella se ha movido del laboratorio a la fábrica.
Me parece un resultado honesto y bien acotado, con una limitación que sus autores no esconden: el reto pendiente es industrial, no conceptual. Secar millones de dosis sin dañar la nanopartícula, con controles de calidad que convenzan a las agencias reguladoras, es otro problema distinto. El siguiente paso lógico son los ensayos en humanos, y ahí no hay atajos algorítmicos.
Mientras tanto, el rastro queda abierto. El conjunto de datos y el código están a disposición de cualquiera que quiera discutirlos o ampliarlos. En una disciplina donde la última milla ha decidido quién recibe una vacuna y quién no, ese detalle no es menor.
🔬 Ficha del Descubrimiento
- Qué se ha descubierto: un sistema de inteligencia artificial que diseña formulaciones termoestables de vacunas de ARNm en nanopartículas lipídicas, con el 100% de su actividad tras dos meses a 37 °C.
- Dónde: laboratorios del MIT (Estados Unidos), con validación en roedores y primates no humanos.
- Institución responsable: equipo del MIT, con el estudio publicado en Nature y datos abiertos en Zenodo y GenBank.
- Cuándo: resultados publicados en 2026; las formulaciones se optimizaron en seis iteraciones a lo largo de un mes.
- Impacto a futuro: vacunas que viajan y se almacenan sin ultracongelación, clave para la distribución en regiones sin cadena de frío.
