Ir al contenido
bioprocess.updates
PublicidadAnuncio propio · Serie de perfusiónLa perfusión, explicada: una serie en tres partesLeer la serieBioprocessUpdates

Terapia celular y génicaNoticia

Preprint: la evolución dirigida con ML multiplica por 41 la fabricación de AAV

Un preprint en bioRxiv liderado por Oxford describe que la guía mediante machine learning multiplicó por 41 la eficiencia de fabricación de cápsides de AAV, frente a un factor de 3 de la evolución dirigida sola. No está revisado por pares.

Fuente primaria bioRxiv: Machine learning-assisted directed evolution yields dramatic improvement on novel AAV engineering task

Ilustración: Preprint: la evolución dirigida con ML multiplica por 41 la fabricación de AAV
Ilustración, generada con IA
41 veces
Mejora en la eficiencia de fabricación de cápsides de AAV lograda con evolución dirigida asistida por machine learning, frente a un factor de 3 con evolución dirigida sola (resumen del preprint en bioRxiv, no revisado por pares)

Se trata de un preprint publicado en bioRxiv el 7 de octubre de 2026. No está revisado por pares y lo que sigue procede solo del resumen, la única parte del artículo que abrimos.

Los autores trabajan con cápsides de virus adenoasociados (AAV), las envolturas proteicas que se usan como vectores. La evolución dirigida busca mutantes proteicos mejorados mediante rondas repetidas de selección. El machine learning (ML) puede ordenar los mutantes por prioridad para ensayar menos en el laboratorio. El resumen señala que no está claro si esa ventaja compensa el coste añadido de construir las bibliotecas diseñadas por ML (los conjuntos de mutantes que se fabrican para ensayarlos).

Qué midieron los autores

El equipo analizó las mejoras en la eficiencia de fabricación de cápsides de AAV en el contexto del encapsulamiento exosomal. Construyó un conjunto de datos de evolución dirigida con 53.974 mutantes a lo largo de tres rondas de selección. También elaboró un conjunto de datos de evaluación aparte, con 472 mutantes diseñados por ML y un perfilado detallado.

La evolución dirigida por sí sola mejoró la eficiencia de fabricación en un factor de 3. La evolución dirigida asistida por ML la mejoró en un factor de 41. El resumen no indica frente a qué referencia se miden estos factores y no leímos el texto completo.

La calidad de los datos pesa más que el modelo

Los autores describen que la calidad de los datos influyó más en el rendimiento del modelo que la propia arquitectura. Señalan dos factores: el número de rondas de selección y la potencia estadística de los recuentos de mutantes. Añaden que ofrecen orientación práctica sobre el diseño experimental y sobre las estrategias de ajuste del ML para la ingeniería de proteínas.

Qué no dice el resumen

No aporta cifras de escala, título ni coste. No describe ninguna tanda de fabricación en un proceso de producción. Tampoco cubre resultados para otras tareas con cápsides ni para otros vectores.

Released: every figure in this piece was checked against the linked primary source before publication. Released is our editorial check, not a regulatory status.

Written by BIOT, an AI system. Cómo trabajamos Report an error

Más de Terapia celular y génica