La historia de la ciencia como historia del hacer científico
Una mirada distinta a las revoluciones científicas y técnicas que han fraguado nuestro mundo.
José Manuel Chillón
UN MUNDO DE ARTEFACTOS BREVE HISTORIA DE LA CIENCIA Y DE LA TÉCNICA Javier de Lorenzo Trotta, 2020 288 págs.
La evolución que experimenta nuestra especie
es fruto de una mutua implicación entre los procesos naturales y la
intervención del ser humano en esos mismos procesos. Estos cambios y
transformaciones se deben a la ciencia y a la técnica y son consecuencia
de los artefactos conceptuales y tecnológicos. Esta es la tesis capital
de Un mundo de artefactos, el último libro del matemático y
filósofo Javier de Lorenzo. El autor sostiene que vivimos en una
sociedad estructurada por artefactos, un término que debe entenderse
como todo aquello que es producido por el ser humano y que altera el
curso natural. Ahora bien, tan ligada está la producción de artefactos a
la especie humana que, según De Lorenzo, hoy se considera como natural
lo que de hecho es, sin duda alguna, un artefacto. Artefactos
materiales, pero también no materiales, como las ideologías, los mitos,
los teoremas o las teorías científicas. En definitiva, artefactos que
contribuyen a generar los ámbitos tecnológicos y simbólicos que nos
permiten explicar dónde estamos hoy. Y también —y este es el meollo del
texto— reconstruir la historia de cómo hemos llegado hasta aquí.
Tanto la Revolución
agrícola en el Neolítico como la Revolución científica del siglo XVII
abren dos líneas fundamentales para el estudio de la historia de la
ciencia: que la physis es manipulable y que es dinámica. Esto
es, que no todo está dado por la naturaleza y que el conocimiento
científico conlleva la marca indeleble de la incertidumbre. De ellas se
nutre el concepto filosófico que ha vertebrado toda la producción
académica de Javier de Lorenzo: el hacer científico.
Desde esta comprensión del hacer se vehiculan
todos los conceptos clave de la producción «artefactual» de nuestra
civilización. Ideas como las de dominio, control e intervención, así
como las relativas al control del tiempo, al espacio o al análisis de la
causalidad, entre otras, configuran la aparición de tres dimensiones de
artefactos que acontecen en cada uno de los grandes períodos de la
evolución científica: simbólico, técnico y conceptual.
Uno de los capítulos que más llaman la atención
es el dedicado a Grecia y a la generación del ámbito conceptual. De
Lorenzo muestra su sabiduría filosófica y su conocimiento científico en
un relato más que sugerente. Los griegos se habían encontrado con la
dificultad de tener que asimilar los datos de la sensación y de la
percepción de lo individual, con la necesidad racional de tener que
dotarlos de universalidad. La physis es un cosmos, mantiene un
orden, tiene una estructura. La matemática entra, pues, con pleno
derecho en las primeras preocupaciones filosóficas. Historia, filosofía y
ciencia se dan cita en este capítulo, que muestra hasta qué punto en
Grecia están ya todas las preocupaciones filosóficas de la posteridad:
la virtud, el poder, la política, la belleza, el lenguaje, el
conocimiento... y desde ahí todo un conjunto de artefactos simbólicos.
Física, astronomía, geometría, matemática, medicina y todo un cúmulo de
ciencias que imponen un legado «que va a perdurar para siempre en el
mundo occidental: la búsqueda de unos primeros principios que permitan
engendrar el todo», en palabras del autor.
Dentro de esta breve historia, De Lorenzo dedica
más de 20 páginas a explicar la transición de Grecia a Copérnico. El
genio del siglo XV no escribe en el vacío, sino que es consciente de
toda una tradición de investigación, traducción, generación y producción
del saber en las universidades, la cual el autor de esta monografía se
encarga de perfilar. Son ingentes los estudios sobre historia y
filosofía de la ciencia de este fértil período. A ellos, el texto de
Javier de Lorenzo les ofrece la novedad de entenderlos bajo el prisma
del hacer científico.
La historia de Copérnico, Tycho Brahe, Kepler y
otros está salpicada de avances y retrocesos, de observación y de
prejuicios, de cuestiones científicas discutidas por planteamientos
teológicos. Hasta llegar a la gran Revolución científica del siglo XVII,
por la que «todo es materia en movimiento», como titula el capítulo 5. Espacio ideal y razón matemática son ahora dos artefactos básicos para el conocimiento de la physis.
Como De Lorenzo solía hacer en sus clases, los experimentos, los datos,
la historia y la intrahistoria de la ciencia le sirven para forjar un
discurso en el que la erudición y el poso de saber están al servicio de
una idea nuclear básica: todo en ciencia es un hacer.
Que esto no es solo historia de la ciencia
resulta evidente. Por eso, el texto va fundamentando algunos de los
conceptos clave del período más fértil de la filosofía: la Modernidad.
El problema del conocimiento, de la realidad, de la autonomía, del
humanismo y otras tantas cuestiones típicas de este período tienen su
explicación en los avances y descubrimientos científicos. No solo en el
qué, sino en el cómo. Toda la realidad queda disuelta en el
concepto de representación. El conocimiento es producción de ideas que
terminan siendo, en palabras de Descartes, «como imágenes de las cosas».
Esta concepción representativa, que es la manera
en que se explicita la carga subjetiva del conocer, se manifiesta en la
construcción de modos de medir, de contar, en la producción de
artefactos con los que el ser humano se hace con la realidad. Un
conocimiento científico que abre el paradigma mecanicista, en el que
encuentran su explicación la teoría de la gravitación universal, la
geometría analítica, el cálculo diferencial e integral, etcétera. Un
mecanicismo que, según De Lorenzo, no es sino una construcción
simbólico-experimental «enfrentada con el sentido común». Y es que,
desde entonces, «la ciencia se centra en estudiar lo que no se ve y en
abandonar lo que se ve».
Y así llegamos a la Ilustración, el momento en
que la ciencia se comprende como el modo de ser racional por excelencia.
El espíritu científico contagia también a los otros órdenes sociales,
políticos y morales para terminar construyendo un frente ideológico y
técnico. La Enciclopedia expresa perfectamente este doble
frente. La razón deberá marcar el cambio individual y social que
culminará en la Revolución francesa. La técnica se ocupará de los
inventos relacionados con necesidades productivas. El trabajo de Linneo o
la química de Lavoiser (con su hipótesis atómica, que termina
funcionando como hipótesis existencial ontológica) son ejemplos de la
especialización científica y del enorme progreso metodológico: no basta
con observar la physis, ahora hay que preguntarle. Teniendo en
cuenta, eso sí, que en la construcción de esas preguntas interviene todo
el conjunto de artefactos, inventos y procedimientos que constituyen la
nueva praxis científica.
El siglo XIX, siglo por excelencia de la
biología, experimenta un especial auge de la energía térmica y
eléctrica, con la consiguiente consolidación del capitalismo. Capital,
ciencia y técnica tejen relaciones recíprocas de mutuas influencias que
ponen de manifiesto la relevancia industrial de la tecnociencia como
factor de progreso de las sociedades. Ni que decir tiene hasta qué punto
la ciencia actual muestra este compromiso de retroalimentación entre la
ciencia, para mantener el capital; y el capital, para mantener las
fuertes inversiones científicas. La máquina de vapor requiere energía,
pero no necesita el impulso de nadie. El mecanicismo debe completarse
con otras concepciones del mundo, como por ejemplo la que pone de
manifiesto la termodinámica. A la longitud, masa y tiempo se añade ahora
el concepto de calor. Estamos en otro modo del hacer científico. No es
preciso un relojero. La ciencia alimenta lo que la filosofía
posthegeliana había acuñado: Dios ha muerto porque, en realidad, el ser
humano ya no lo necesita.
Con la termodinámica aparece también el concepto
de sistema y la diferencia entre sistemas abiertos y cerrados. Y, desde
ahí, la cuestión de la reversibilidad de los fenómenos térmicos. Todo
tiene un sentido. Todo sigue un orden. Y todo tiene un final. Todo
tiende a su descomposición, según dicta la entropía. La causalidad, y
por tanto la determinación, la capacidad omniexplicativa y, por
supuesto, la facultad predictiva ceden espacio al terreno ontológico de
la indeterminación y al ámbito epistémico de la incertidumbre. Es
evidente que estamos en otra praxis que, según la tesis del autor,
genera otro ámbito instrumental, simbólico y conceptual.
Apabulla la facilidad con que De Lorenzo
entrelaza las mejores reflexiones filosóficas, las llamadas por él
«inversiones epistemológicas», con las explicaciones más sutiles,
exactas y clarificadoras de propuestas como las de Planck, Boltzmann,
Curie, Bohr, De Broglie, Einstein, Fermi, Maxwell o Poincaré, entre
varias decenas de científicos que se dan cita en las últimas páginas del
libro. No es historia de la ciencia, quiero insistir en ello. No es
solo una descripción ordenada de progresos científicos. Lo que más debe
destacarse es cómo este reconocido filósofo y matemático entrelaza los
problemas, formula preguntas, ofrece nuevos planteamientos y hace hablar
a las teorías entre ellas en un trabajo investigador que supera
cualquier recopilación manualística. Una recopilación que, dicho sea de
paso, hubiera sido de agradecer unos años antes para quienes fuimos sus
alumnos y que no tuvimos la suerte de contar con un texto que, sin duda,
debe aparecer en la bibliografía de nuestras asignaturas de grado y
máster.
Una IA consigue resolver la ecuación de Schrödinger
El logro abre inmensas posibilidades para el desarrollo de la química cuántica
Actualizado:
Un
equipo de investigadores de la Freie Universität, en Berlín, ha
conseguido desarrollar un método basado en Inteligencia Artificial para resolver el estado fundamental de la ecuación de Schrödinger en
química cuántica. El objetivo de la química cuántica es predecir las
propiedades químicas y físicas de las moléculas basándose únicamente en
la disposición de sus átomos en el espacio, lo que evita tener que hacer
costosos y largos experimentos de laboratorio que consumen una gran
cantidad de recursos.
En teoría, eso solo sería posible
resolviendo la ecuación de Schrödinger, algo que en la práctica resulta
extremadamente difícil.
Hasta ahora, en efecto, había sido imposible encontrar una solución exacta de
la ecuación para aplicarla al estudio y desarrollo de moléculas, ya que
los cálculos necesarios son tan complicados que a menudo no resulta
práctico abordarlos.
Pero los investigadores de la Freie
Universität han abordado el problema desde un punto de vista totalmente
distinto, desarrollando un método de deep learning «aprendizaje
profundo» que ha demostrado ser capaz de conseguir una combinación sin
precedentes de precisión y eficiencia computacional. «Creemos que
nuestro enfoque —afirma Frank Noé, director del estudio— puede tener un impacto significativo en el futuro de la química cuántica». Los resultados del trabajo se acaban de publicar en « Nature Chemistry».
La esquiva función de onda
Tanto la química cuántica como la ecuación de Schrödinger, formulada en 1925 por el físico austríaco Erwin Schrödinger, se basan en un parámetro fundamental llamado «función de onda», un objeto matemático que especifica cómo es el comportamiento de los electrones dentro de una molécula.
La
función de onda, sin embargo depende de un gran número de variables,
por lo que es extremadamente difícil capturar todos y cada uno de los
matices que determinan cómo exactamente cada electrón individual
interactúa con todos los demás que hay en la molécula. De hecho, muchos
métodos para el estudio de la química cuántica prescinden por completo
de la función de onda y, en cambio, se conforman con determinar la
cantidad total de energía de una molécula determinada. Lo cual se traduce en resultados inexactos y aproximaciones que limitan la capacidad de predicción de esos métodos.
Otras
técnicas, por el contrario, representan las complejidades de la función
de onda utilizando una inmensa cantidad de «ladrillos» matemáticos
simples, pero tales métodos resultan tan complejos que son imposibles de
poner en práctica para más allá de un simple puñado de átomos.
«Escapar
del equilibrio habitual entre precisión y coste computacional —explica
Jan Hermann, coautor de la investigación— es el mayor logro de la
química cuántica. Creemos que el método Quantum Monte Carlo, el
enfoque que proponemos, podría tener el mismo éxito, si no más, que los
métodos más populares, porque ofrece una precisión sin precedentes a un
coste computacional que aún es aceptable».
Una nueva aproximación
La red neuronal profunda diseñada por el equipo de Noé
es, de hecho, una forma de representar las funciones de onda de los
electrones. «En lugar del enfoque estándar de componer la función de
onda a partir de componentes matemáticos relativamente simples —explica
el investigador—, diseñamos una red neuronal artificial capaz de
aprender los patrones complejos de cómo se ubican los electrones
alrededor de los núcleos».
«Una característica peculiar de las
funciones de ondas electrónicas —añade Hermann— es su antisimetría.
Cuando se intercambian dos electrones, la función de onda debe cambiar
de signo. Tuvimos que construir esta propiedad en la arquitectura de la
red neuronal para que el enfoque funcionara». Esta característica,
conocida como «principio de exclusión de Pauli» es la razón por la que los científicos bautizaron su método como «PauliNet».
Además
del principio de exclusión de Pauli, las funciones de onda electrónicas
también tienen otras propiedades físicas fundamentales, y gran parte
del éxito innovador de PauliNet es que integra estas propiedades en la red neuronal profunda.
«Incorporar la física fundamental a la IA es esencial para su capacidad
de realizar predicciones significativas —dice Noé—. Aquí es realmente
donde los científicos pueden hacer una contribución sustancial a la IA, y
ese es exactamente en lo que se centra mi grupo».
Por supuesto, aún quedan muchos desafíos por superar antes
de que el método de Hermann y Noé esté listo para su aplicación
industrial. «Esta sigue siendo una investigación fundamental —escriben
los autores— pero se trata de un nuevo enfoque para un antiguo problema
en las ciencias moleculares y de materiales, y estamos entusiasmados con
las posibilidades que abre».
El
laboratorio de propulsión de la NASA demostró con éxito la
teletransportación sostenida a larga distancia de qubits de fotones con
una fidelidad superior al 90%. Los qubits fueron teletransportados a 44
kilómetros a través de una red de fibra óptica utilizando detectores de
fotón único de última generación y equipos listos para usar.
La
teletransportación cuántica es una transferencia 'incorpórea' de estados
cuánticos de un lugar a otro. La teletransportación cuántica de un
qubit se logra mediante el entrelazamiento cuántico, en el que dos o más
partículas están indisolublemente unidas entre sí. Si un par de
partículas entrelazadas se comparte entre dos ubicaciones separadas, sin
importar la distancia entre ellas, la información codificada se
teletransporta.
La IA de plegamiento de proteínas de Google resuelve un histórico desafío de la biología
AlphaFold predice
estructuras proteicas con una precisión nunca vista, un hito que los
biólogos llevaban décadas persiguiendo. Distintos expertos coinciden en
que esta inteligencia artificial ayudará a crear nuevos
medicamentos, comprender mejor las enfermedades y desarrollar proteínas
sintéticas útiles
por Will Douglas Heaven | traducido por Ana Milutinovic
03 Diciembre, 2020
DeepMind ya ha cosechado una buena racha de éxitos. Sus sistemas de
inteligencia artificial (IA) han aprendido a jugar una variedad de
juegos complejos con habilidades sobrehumanas, desde Go y StarCraft
hasta el catálogo completo de Atari. Pero, la cara pública y cofundador
de DeepMind, Demis Hassabis, siempre ha destacado que estos éxitos solo
eran avances hacia un objetivo más amplio: una inteligencia artificial que nos ayude a comprender el mundo.
Esta semana, DeepMind y los organizadores de la tradicional competición Evaluación crítica de las técnicas para la predicción de la estructura de proteínas (CASP) han presentado una IA que debería tener el gran impacto que Hassabis ha estado buscando. La última versión de AlphaFold de DeepMind,
el sistema de aprendizaje profundo capaz de predecir con precisión la
estructura de las proteínas en el ancho de un átomo, ha resuelto uno de
los grandes desafíos de la biología. "Es la primera aplicación de la IA para resolver un grave problema ", afirma el jefe del equipo que organiza CASP, John Moult, de la Universidad de Maryland (EE. UU.).
Una proteína se compone de una cadena de aminoácidos que se repliega con muchos giros, vueltas y complejos enredos. Esta estructura determina su función. Y descubrir qué hace cada proteína es clave para comprender los mecanismos básicos de la vida, cuándo funcionan y cuándo no.
Los esfuerzos para desarrollar vacunas contra la COVID-19 se han
centrado en la proteína espiga del virus, por ejemplo. La manera en la
que el coronavirus se engancha en las células humanas depende de la forma de esta proteína y de la de las que hay en el exterior
de esas células. La espiga es solo una proteína entre miles de millones
de ellas en todos los seres vivos; solo dentro del cuerpo humano hay
decenas de miles de diferentes tipos de proteínas.
En la CASP de este año, AlphaFold predijo la estructura de docenas de proteínas
con un margen de error de solo 1,6 ángstroms (es decir, 0,16 nanómetros
o, más o menos, el tamaño de un átomo). Se trata de una capacidad muy
superior a todos los demás métodos computacionales y, por primera vez, coincide con la exactitud de las técnicas experimentales para trazar la estructura de proteínas en el laboratorio, tales como la criomicroscopía electrónica, resonancia magnética nuclear y cristalografía de rayos x. Estas
técnicas son costosas y lentas: pueden costar cientos de miles de euros
y necesitan años de prueba y error para cada proteína. AlphaFold es
capaz de encontrar la forma de una proteína en solo unos días.
Este descubrimiento podría ayudar a los investigadores a crear nuevos medicamentos y comprender mejor las enfermedades. A
largo plazo, predecir la estructura de las proteínas también ayudará a
diseñar proteínas sintéticas, como las enzimas que descomponen desechos o
producen biocombustibles. Los investigadores también están explorando
maneras de introducir proteínas sintéticas para aumentar el rendimiento
de los cultivos y hacer que las plantas sean más nutritivas.
"Es un avance muy sustancial. Es algo que simplemente no esperaba que sucediera tan rápido. Es impactante, en
cierto modo", opina el biólogo de sistemas de la Universidad de
Columbia (EE. UU.) Mohammed AlQuraishi, que ha desarrollado su propio
software para predecir la estructura de las proteínas.
"Tiene una gran importancia. Es un logro asombroso,
igual que el que consiguieron con el juego de Go", asegura el director
del Instituto de Diseño de Proteínas de la Universidad de Washington
(EE. UU.), David Bakery, líder del equipo responsable de Rosetta, el
grupo de herramientas de análisis de proteínas.
Números astronómicos
Identificar la estructura de una proteína es muy difícil. Para la
mayoría de las proteínas, los investigadores tienen la secuencia de
aminoácidos de la cadena, pero no la forma doblada al plegarse. Y
normalmente hay un número astronómico de posibles formas para cada secuencia. Los
investigadores llevan luchando con este problema al menos desde la
década de 1970, cuando Christian Anfinsen ganó el premio Nobel por
demostrar que las secuencias determinaban la estructura.
El lanzamiento de CASP en 1994 dio un impulso a este campo. Cada dos
años, los organizadores publican unas 100 secuencias de aminoácidos de
proteínas cuyas formas identificaron en el laboratorio, pero aún no se
han publicado. Luego, decenas de equipos de todo el mundo compiten para encontrar la forma correcta de plegarlas mediante software. Los
investigadores médicos ya utilizan muchas de las herramientas
desarrolladas para CASP. Pero el progreso seguía siendo lento, con dos
décadas de avances paulatinos que no conseguían producir un atajo para
el minucioso trabajo de laboratorio.
CASP encontró el impacto que buscaba cuando DeepMind participó en 2018 con su primera versión de AlphaFold. Todavía
no podía igualar la precisión de un laboratorio, pero dejó atrás a
otras técnicas computacionales. Los investigadores tomaron nota: muchos
de ellos adaptaron sus propios sistemas para parecerse más a AlphaFold.
Este año, más de la mitad de los participantes han utilizado alguna
forma de aprendizaje profundo, resalta Moult. Como resultado, la
precisión general fue mayor. El nuevo sistema de Baker, llamado trRosetta, usa algunas de las ideas de DeepMind de 2018. Pero, aun así, solo quedó en un "segundo lugar muy lejos del primero", admite.
En CASP, los resultados se puntúan mediante la prueba de distancia
global (GDT, por sus siglas en inglés), que mide en una escala de 0 a
100 lo que se acerca una estructura predicha a la forma real de
una proteína identificada en los experimentos de laboratorio. La última
versión de AlphaFold obtuvo una buena puntuación para todas las
proteínas del desafío. Pero recibió una puntuación GDT superior a 90
para alrededor de dos tercios de ellas. Su valor de GDT para las
proteínas más difíciles fue 25 puntos más alto que el del siguiente
mejor equipo, afirma el jefe del equipo AlphaFold en DeepMind, John
Jumper. En 2018, la ventaja rondaba los seis puntos.
Una puntuación superior a 90 significa que cualquier diferencia entre
la estructura predicha y la real podría deberse a errores
experimentales en el laboratorio en vez de a un fallo en el
software. También podría significar que la estructura predicha es una configuración alternativa válida a la identificada en el laboratorio, dentro del rango de una variación natural.
Según Jumper, había cuatro proteínas en la competición en las que los
jueces independientes no habían terminado de trabajar en el laboratorio
y las predicciones de AlphaFold señalaron las estructuras correctas.
AlQuraishi pensó que los investigadores tardarían 10 años en pasar de los resultados de AlphaFold de 2018 a los de este año. Esto
está cerca del límite físico de la precisión que se puede obtener,
explica. "Estas estructuras son flexibles. No tiene sentido hablar de
soluciones por debajo de eso", añade.
Piezas de rompecabezas
AlphaFold se basa en el trabajo de cientos de investigadores de todo
el mundo. DeepMind también recurrió a una amplia gama de expertos,
formando un equipo de biólogos, físicos e informáticos. Los detalles de cómo funciona están presentando esta semana en CASP y en un artículo revisado por pares en una edición especial de la revista Proteins que saldrá el próximo año.
De momento, sabemos que utiliza una forma de red de atención, la
técnica de aprendizaje profundo que permite que una IA se entrene
centrándose en las partes de un problema mayor. Jumper compara este
enfoque a un rompecabezas: primero se juntan las piezas por separado antes de colocarlas en un todo.
DeepMind entrenó a AlphaFold con alrededor de 170.000 proteínas
extraídas del banco de datos de proteínas, del depósito público de
secuencias y estructuras. Comparó múltiples secuencias del banco de
datos y buscó los pares de aminoácidos que a menudo terminaban juntos en
las estructuras plegadas. Luego usó estos datos para adivinar la
distancia entre los pares de aminoácidos en las estructuras aún
desconocidas. También es capaz de calcular la precisión de estas
conjeturas. El entrenamiento tardó solo "unas semanas", con una potencia
informática equivalente a entre 100 y 200 GPU.
La profesora y científica del Instituto Europeo de Bioinformática de
Cambridge (Reino Unido) Dame Janet Thornton lleva 50 años trabajando en
la estructura y función de las proteínas. En una rueda de prensa de la
semana pasada afirmó: "Estaba empezando a pensar que era algo que no se resolvería mientras yo viviera".
Muchos fármacos se diseñan simulando su estructura molecular en 3D y
buscando formas de encajar estas moléculas en las proteínas
objetivo. Está claro que esto solo se puede conseguir si se conoce la
estructura de esas proteínas. Esto ocurre en solo una cuarta parte de
las aproximadamente 20.000 proteínas humanas, explica Thornton. Así
quedan 15.000 objetivos de fármacos inexplorados. "AlphaFold abrirá una nueva área de investigación", añade.
DeepMind afirma que planea estudiar la leishmaniasis, la enfermedad del sueño y la malaria. Estas tres enfermedades tropicales causadas por parásitos están vinculadas a muchas estructuras proteicas desconocidas.
Un inconveniente de AlphaFold es que tarda más que las técnicas rivales. El
sistema de AlQuraishi, que utiliza un algoritmo denominado red
geométrica recurrente (RGN, por sus siglas en inglés), puede encontrar
estructuras de proteínas un millón de veces más rápido
y ofrecer sus resultados en segundos en vez de días. Sus predicciones
son menos precisas, pero la velocidad es más importante para algunas
aplicaciones, según el experto.
Los investigadores esperan descubrir cómo funciona exactamente
AlphaFold. Baker afirma: "Después de describir al mundo cómo lo hacen,
florecerán mil flores. La gente lo usará para todo tipo de cosas diferentes, para algo que no podemos ni imaginar actualmente".
Incluso un resultado menos preciso habría sido una buena noticia para
las personas que trabajan con enzimas o bacterias, concluye AlQuraishi:
"Pero, ahora tenemos algo aún mejor, con una relevancia inmediata para las aplicaciones farmacéuticas"
La rapidez en encontrar una vacuna. Las claves: ARN mensajero y la Inteligencia artificial
Analizar los motivos
por los cuales se ha logrado una vacuna en 10 meses, cuando antes se
tardaban mas años. Ahora el limite esta en la capacidad de producción
para poder vacunar al menos a un 66 % de la población, pudiendose
preveer 10 meses de vacunación, siendo necesarios otros 10 meses para
realizar planes de viabilidad y contingencias en este escenario.
Los 3 pasos del
revolucionario método ARNm usado para crear vacunas que muestran resultados
eficaces contra el coronavirus
La pandemia de covid-19 aceleró el
desarrollo y la prueba de un método para la creación de vacunas que no había
funcionado nunca antes: el del ARN mensajero (ARNm) sintético.
Tanto Pfizer (Estados Unidos) y
BioNtech (Alemania) como la empresa estadounidense Moderna usaron este
procedimiento para crear sus vacunas, que han llegado a la tercera y última
fase de pruebas en humanos en un tiempo récord de ocho meses. Según las
empresas, los resultados preliminares mostraron una eficacia superior al 95%.
Pero, ¿cómo pudieron hacerlo tan
rápido?
Y, si este proceso es tan eficiente, ¿por qué nadie había logrado
fabricar una vacuna de ARN mensajero hasta ahora?
“El desarrollo normal de una vacuna
puede tardar hasta diez años en condiciones normales. Primero, porque a menudo
ni las empresas ni las agencias reguladoras le dan prioridad. En segundo lugar,
no siempre hay recursos suficiente. Probar estas vacunas es muy caro,
especialmente en la fase 3.”, dice Pardi a BBC Mundo.
“Ahora, debido a la pandemia, todo
el mundo quiere hacer las cosas más rápido y hay fondos disponibles. Y ese era
el principal obstáculo. El proceso químico de producción de una vacuna no suele
llevar mucho tiempo, el 95% del tiempo se dedica a las pruebas”, explica.
El método que usa ARNm en las
vacunas tampoco surgió de repente. De hecho, empezó a desarrollarse en la
década de los noventa pero dio un salto en los últimos 15 años gracias a
descubrimientos que lo hicieron, poco a poco, más seguro y eficiente.
El rol del ARN mensajero
El ARN mensajero es una molécula que aparece cuando se copia un tramo de ADN y
transporta esta información a la parte de las células donde se fabricarán las
proteínas que componen nuestro cuerpo.
Los virus de ARN (como el
Sars-Cov-2, los de la gripe común o el dengue, entre otros) usan el mismo
mecanismo para infectar una célula humana y producir copias de su propio código
genético. Es así es como se replican en nuestro cuerpo.
Cómo se comparan las vacunas en la
Fase III de los ensayos clínicos
La mayoría de las vacunas se hacen con un virus debilitado o un fragmento del
mismo para que nuestro sistema inmune produzca anticuerpos.
Sin embargo, las vacunas génicas,
como las desarrolladas por Pfizer/BioNTech y por Moderna, buscan que el propio
organismo produzca una proteína del virus sin necesidad de inyectarlo.
¿Por qué el método es tan innovador?
Los científicos crean un ARN mensajero sintético en el laboratorio, que
contiene una copia de parte del código genético viral. Este ARNm hará que
nuestras células fabriquen la proteína característica del virus y esto alertará
a nuestro sistema inmunitario. “Esta técnica tiene algunas ventajas
importantes. Primero, seguridad. Como no usa el virus, no hay peligro de que
cause infecciones en personas con muy baja inmunidad, algo que puede ocurrir
con vacunas como la de la fiebre amarilla o la de poliomielitis, por ejemplo.
La vacuna de ARNm es apta para todo el mundo”, dice Norbert Pardi.
“También es una técnica más sencilla
que las demás, porque el ARN utilizado es completamente sintético. Así que no
es necesario mantener complejos cultivos celulares ni sistemas de purificación
en los laboratorios”, explica. Según Pfizer, el uso de ARN elaborado en el
laboratorio acelera la producción de la vacuna en comparación con las vacunas
convencionales, que utilizan virus debilitados, por ejemplo.
“Producir la cepa correcta de un
virus puede ser difícil y crear virus suficiente para miles de dosis puede
llevar meses”, dice un comunicado de la compañía. “Dado que la producción de
una vacuna de ARNm utiliza métodos artificiales, puede ofrecer un enfoque más
flexible para patógenos que están evolucionando rápido y dar una respuesta más
rápida a grandes brotes o pandemias”, dice.
La creación de la vacuna
Pero desarrollar una vacuna a partir de un ARN mensajero sintético no es tan
fácil como puede parecer. Para empezar, según Pardi, el ARN es una molécula
capaz de generar una fuerte reacción del sistema inmunitario y eso puede causar
una inflamación severa y hasta la muerte. Este fue el problema que se encontró
inicialmente con las vacunas de ARN que se probaron en animales.
“Pero, hace unos 15 años, los
investigadores del equipo al que me uní en la Universidad de Pensilvania
descubrieron que se podía resolver reemplazando la uridina (una de las
moléculas que componen el ARNm) por la pseudouridina”, dice el investigador.
Esta sustitución significaba que el ARNm sintético de la vacuna podía acceder
libremente a la célula, ya que los sensores de nuestro organismo no lo podían
identificar como una amenaza. Según Pardi, este descubrimiento fue la clave
para hacer posibles las vacunas de Pfizer/BioNTech y de Moderna.
Otra innovación crucial fue el
desarrollo de una mejor capa lipídica, es decir, grasa, que envolviera y
protegiese al ARN mensajero, evitando que se degrade de camino a las células.
Moderna y Pfizer dicen tener sus propias variaciones patentadas de
nanopartículas de lípidos, como se llama esta tecnología, pero las empresas no
respondieron a las solicitudes para obtener más detalles.
¿Cómo funciona la vacuna?
Una vez asimilado por nuestras células, el ARN mensajero actúa como un manual
de instrucciones para la producción de la proteína viral, llamada S o Spike. El
ARNm le dice a la célula que produzca miles de copias de esa proteína y luego
se desintegra completamente en el cuerpo, ya que está hecho de compuestos orgánicos.
La célula libera estas copias en el
corriente sanguíneo y esto alerta a los centinelas del sistema inmune, las
células dentríticas, que las capturan. Cuando el cuerpo identifica la proteína
S como invasora inicia la producción de anticuerpos y linfocitos T para
defender al organismo de una posible infección por Sars-Cov-2. Es así como la
vacuna nos da inmunidad frente al virus. Sin embargo, aún no se sabe cuánto
tiempo dura la inmunidad generada por las vacunas de ARN mensajero. Tanto las
pruebas de Moderna como las de Pfizer comenzaron el pasado 27 de julio, por lo
que se ha realizado un seguimiento de los pacientes durante solo cuatro meses.
“Es poco probable que la inmunidad
sea permanente, pero aún no sabemos si durará seis meses, un año o más. Lo que
sabemos de los estudios de vacunas contra Sars-cov-1 y MERS, por ejemplo, es
que la inmunidad disminuye con el tiempo.”, dice Pardi. Según el inmunólogo, lo
que los nuevos estudios necesitan mostrar es si a partir de la vacuna de ARNm
el cuerpo recordará cómo reproducir esos anticuerpos contra el virus en un
futuro.
“Esto es realmente importante. Si
hay memoria inmunológica, puede que sólo sea necesario vacunar a las personas
una vez más, por ejemplo, para garantizar una protección más permanente”, concluye.
Un
año después de que China notificase a la OMS los 27 primeros casos de
neumonía severa de origen severo, ya tenemos vacunas seguras y eficaces.
Esta es la mayor proeza científica de la historia. Historia de la
ciencia, historia de la humanidad.-Las empresas farmacéuticas han
demostrado estar preparadas, experiencia, dimensión, captando grandes
inversiones, con la I.A. reduciendo de 7 años a 1 año, la creación de las
vacunas (también gracias a las investigaciones de la bioquimica Katalin
con la tecnologia del ARN mensajero) "Muchos estudios científicos,
los papers, se publicaron en abierto incluso antes de ser revisados por
pares. En lugar de esperar semanas a que una editorial científica
mediase en la revisión y aceptación de un artículo, los resultados se
hacían públicos, tanto positivos como negativos. Esto facilitó el
trabajo cooperativo de verdad, a escala mundial."DG
La húngara Katarin Kariko investigadora del ARN mensajero en la Universidad de
Pensilvania durante más de 30 años y en cuya base están dos de las vacunas
podria ser la próxima en recibir el Premio Nobel.
Moderna solo necesitó dos días para diseñar su vacuna contra
el COVID: así es como la nueva tecnología de ARNm ya ha cambiado la
fabricación de vacunas
Dos días. Tan sólo dos días. Eso es lo que tardaron los equipos de
Moderna en diseñar su vacuna contra el coronavirus y desde que la cifra
fue revelada en un reportaje del New York Times no ha dejado de sorprender. No es para menos: hablamos de uno de los desarrollos tecnológicos más importantes de la década, de un paso clave para el que puede ser uno de los grandes hitos en la historia de la ciencia y se hizo, solamente, en 48 horas. ¿Cómo lo hicieron?
Bienvenidos al maravilloso mundo del ARNm
Estas vacunas están basadas en ARN mensajero. El ARNm es un trozo de
ácido ribonucleico que lleva información sobre la secuencia de
aminoácidos de una proteína en concreto desde el ADN, lugar donde se
almacena toda esa información, hasta el ribosoma, lugar de la célula
donde se sintetizan las distintas proteínas. Haciendo un paralelismo: el
ARNm sería el 'pendrive' que usan las células para trasladar la
información desde el ordenador (ADN) a la impresora (ribosoma).
A medida que nuestra capacidad para producir ARN sintético mejoraba,
los científicos se preguntaban si podríamos "darle el cambiazo" a la
célula con un pendrive hecho por nosotros. Es decir, si podríamos "infiltrar"
una cadena de ácido ribonucleico y engañar a los ribosomas para que
produjeran las proteínas que nosotros quisiéramos. Se consiguió por primera vez en ratones en los laboratorios de la Universidad de Wisconsin en 1990.
Eso abría la puerta a usar nuestro propio cuerpo para fabricar
"anticuerpos para vacunar contra infecciones, enzimas para revertir
enfermedades raras o agentes de crecimiento para reparar el tejido
cardíaco dañado". Sin embargo, llevar la idea a la práctica era
mucho más difícil de lo que parecía. Al fin y al cabo, no podemos ir
célula a célula del cuerpo inyectando el ARN sintético para que
produzcan lo que nosotros queramos y verter grandes cantidades de ese
ARN en el flujo sanguíneo podría desencadenar una respuesta inmune
masiva muy peligrosa.
En 2005, Katalin Karikó y Drew Weissman descubrieron una manera de "enmascarar" el ARN frente al sistema inmune. Así, las instrucciones sintéticas podía recorrer el cuerpo e internarse en las células sin producir reacciones inmunes. Sobre esa patente, están trabajando dos de las vacunas contra el coronavirus más exitosas: la de Moderna y la de Pfizer.
Cómo programar fácilmente una vacuna
Trnava University
Cuando surge Moderna, los investigadores tan solo buscan una forma
rápida reprogramar células adultas y convertirlas en células madre. Pero
pronto se dieron cuenta de que tenían una herramienta mucho más potente
entre manos. El problema, ahora, es que tenían demasiadas
posibilidades. De repente, tenían a su alcance el poder programar la maquinaria molecular de las células; sin embargo, estaba todo por hacer.
Y eso, en una industria como la biotecnológica que tiene tiempos
amplísimos, era un enorme problema. No sería la primera vez que una
empresa empieza a desarrollar una tecnología exitosa y quiebra antes de
poder verla hecha una realidad. Por ello, cuando se pusieron a trabajar hicieron lo que haría todo informático ante un nuevo lenguaje de programación: una librería.
Es decir, crearon un conjunto de "implementaciones funcionales
codificadas" que les permitiera escribir y diseñar pequeños programas
genómicos (el ARNm sintético) de forma rápida y sencilla. Para ello se
necesitaba saber cómo hacían los ribosomas para leer y sintetizar las
proteínas; aprender el "lenguaje máquina" del ARNm; y encontrar una manera de escribir las instrucciones que deseamos y "compilarlas" para producirlas en forma de ARN sintético.
Lo consiguieron y el mejor ejemplo es su vacuna contra el coronavirus. El 10 de enero de 2020, se puso a disposición pública
la primera secuenciación del genoma del SARS-CoV-2 y en ella ya estaba
la descripción de la proteína de espiga. Por sus características
particulares, esa proteína sería el objetivo de la vacuna: si conseguían que las células la produjera, el sistema inmune podría identificarla y generar inmunidad.
Moderna "solo" tenía que ponerse manos a la obra. Y, como decía en la
introducción, tardaron dos días diseñar la instrucción de ARN que haría
a las células producir la proteína de espiga del coronavirus. Quedaba
la parte más difícil, la que les ha ocupado el resto del año: comprobar que ese pequeño programa de ARNm "enmascarado" podía administrarse de forma segura y eficaz. Y precisamente por eso esto va mucho más allá del coronavirus. Si tienen éxito, estarán probando la potencia de un sistema que puede cambiar la medicina tal y como la conocemos.
"La ciencia es una de las mayores creaciones de la humanidad. No
es perfecta porque nada lo es. De hecho, en su proceso de
perfeccionamiento algunas virtudes se han tornado en defectos"
El pasado 30 de noviembre se inauguró en mi ciudad, A Coruña, una
escultura con motivo de la primera expedición internacional de
vacunación, la expedición Balmis. Fui a verla después de que en Europa
se autorizase la primera vacuna de la COVID-19, después de que se
anunciase que la campaña de vacunación en España empezaría el 27 de
diciembre. La escultura retrata a la enfermera Isabel Zendal junto a
unos niños vacuníferos, los portadores de la vacuna de la viruela. El 30
de noviembre 1803 partieron del puerto de A Coruña y se embarcaron en
una travesía en la corbeta María Pita durante casi tres años. La expedición Balmis fue la aportación española más importante a la historia de la salud pública.
No se ha registrado ningún caso de viruela desde 1977. La viruela fue la primera enfermedad erradicada gracias a las vacunas.
En 1803 no se sabía de la existencia de microorganismos. Los virus se entendían como venenos, no como entidades biológicas.
El médico Edward Jenner había observado que las ganaderas quedaban
protegidas de la viruela al desarrollar en sus manos unas pústulas
benignas cuando ordeñaban a las vacas infectadas por las viruelas
vacunas. Aquellas pústulas las inmunizaban contra la viruela humana. Por aquel entonces no había ensayos clínicos protocolizados en fases, ni miles de voluntarios como ahora.
La eficacia y la seguridad de la vacuna se probó con unos hombres a los
que se les inyectó el exudado de las pústulas de una ganadera. Aquello
les protegía de la enfermedad, pero no se entendía cómo funcionaba. La
vacuna consistía en inyectar el virus de la viruela de las vacas, de ahí
la etimología de la palabra vacuna. Ahora sabemos que era una suerte de
vacuna de virus atenuado capaz de despertar al sistema inmunitario y
prepararlo para enfrentarse a la viruela humana.
En la corbeta no había contenedores con hielo seco en los que mantener refrigeradas las vacunas a temperaturas bajo cero.
El médico Francisco Javier Balmis, quien dio nombre a la expedición,
fue quien tuvo la ocurrencia de inocular el virus a niños y usarlos como
viales vivos en los que transportar la vacuna hasta Venezuela, México,
Filipinas y China.
No había artículos científicos, ni papers, ni preprints, ni revisión por pares.
Edwar Jenner publicó sus hallazgos en un libro. El virus de la viruela
se cebaba fundamentalmente en niños menores de diez años, causando la
muerte al 30% de los infectados. Los supervivientes se quedaron con los
rostros marcados de por vida con pequeñas hendiduras en la piel. Muchos
además se quedaron ciegos. Había una variante que causaba terribles
hemorragias y era tan letal como el ébola, matando al 90% de los
infectados. La viruela fue como una película de terror que empezó en el Paleolítico y que no terminó hasta la edad moderna. Se estima que en el siglo XX las viruelas mataron a 300 millones de personas.
La historia de la vacuna de la COVID-19 ha sido mucho más breve.
Comenzó el 31 de diciembre de 2019, cuando China notificó a la OMS los
veintisiete primeros casos de neumonía severa de origen desconocido. Una
semana después se logró identificar al causante: un nuevo coronavirus.
Dos días después, el 10 de enero, ya se había descifrado su código
genético. Desde entonces se han publicado más de ochenta mil estudios
relacionados con la COVID-19. En noviembre varias farmacéuticas
anunciaron haber conseguido vacunas seguras y de gran eficacia. En menos de un año arrancaron las campañas de vacunación. Esta es la mayor proeza científica de la historia.
Las
vacunas aún no nos permiten poner el punto final a la pandemia. Quedan
obstáculos por sortear, algunos daños serán irreparables, surgirán
nuevas dificultades y algunas incógnitas quedarán en el aire durante
largo tiempo. Las vacunas no son el final, pero en menos de un año nos han permitido vislumbrarlo.
Todo el proceso de obtención de vacunas se ajustó a los exigentes requisitos de la ciencia actual. Todo ha ido muy rápido porque podemos y porque nos va la vida en ello.
Se ha dedicado un enorme esfuerzo humano y económico en poner fin a
este horror cuanto antes. Desde el principio hemos tenido claro que, si la ciencia no consigue parar el coronavirus, no lo conseguirá nada.
El
lastre burocrático que tanto entorpece a la actividad científica se ha
reducido al mínimo. Gran parte de las comunicaciones entre científicos
se llevaron a cabo a través de cauces informales, sin que mediasen
editoriales ni instituciones. Las agencias reguladoras, en lugar de
esperar a los resultados finales de las vacunas, participaron en la
evaluación continua de los ensayos clínicos. Ganar tiempo significa salvar vidas.
Muchos estudios científicos, los papers, se publicaron en abierto incluso antes de ser revisados por pares. En
lugar de esperar semanas a que una editorial científica mediase en la
revisión y aceptación de un artículo, los resultados se hacían públicos,
tanto positivos como negativos. Esto facilitó el trabajo cooperativo de
verdad, a escala mundial.
Todo el conocimiento previo acumulado sobre otros virus similares y sus síndromes, como el SARS y el MERS, ha favorecido la rápida obtención de vacunas.
La investigación en ciencia básica sobre el sistema inmunitario, los
virus, los materiales, la genética… ha facilitado la comprensión de la
enfermedad, sus vías de transmisión, su diagnóstico en tiempo récord, y
ha servido para precisar las medidas de contención del virus y para
desarrollar nuevos tipos de vacunas. Aunque la ciencia básica es inútil
por definición, en el sentido de que se fundamenta en la generación de
conocimiento por el valor mismo del conocimiento, ha resultado de gran
utilidad. A estas alturas la frontera entre la ciencia básica y la ciencia aplicada está muy emborronada.
La ciencia es una de las mayores creaciones de la humanidad. No
es perfecta porque nada lo es. De hecho, en su proceso de
perfeccionamiento algunas virtudes se han tornado en defectos. El afán
de validar cada resultado hasta la extenuación ha culminado en un
sistema de publicaciones privatizado, endogámico, lento y opaco. La
emergencia sanitaria obligó a desabrochar el corsé del sistema de
publicaciones, logrando que la ciencia fuese más ágil, eficaz,
transparente y verdaderamente pública.
De repente cualquiera podía acceder al taller de la ciencia. Esto tiene sus pros y sus contras. Hasta
ahora la ciencia estaba reservada a la comunidad científica. Solo se
enseñaba aquello que se consideraba una obra terminada, lista para la
exposición. No se mostraban los descartes, ni las galeradas, ni las pruebas de artista. Pero ahora sí. Por
primera vez en la historia reciente la creación científica se mostró
tal cual es, con sus procesos a medias, sus errores y sus
incertidumbres. Hubo quien no toleró que la ciencia fuese así de humana.
Hubo quien comunicó hipótesis y conjeturas como si fuesen certezas.
Quedó patente que la cultura científica no solo consiste en hacer acopio
de conceptos científicos. No solo es saber qué es un virus, el ARN o
una PCR. La cultura científica comprende los principios, fundamentos, extensión y métodos de la ciencia, es decir, su epistemología.
De todo esto extraigo dos aprendizajes, más bien constataciones. La primera es que la burocracia no sirve para garantizar el buen hacer en ciencia, sino que es un lastre, y que el
método científico no puede consistir en algo tan anacrónico como un
sistema de publicaciones dependiente de editoriales que privatizan el
conocimiento científico. La segunda es que el presente siempre es el mejor momento de la ciencia.
Por eso se pudo secuenciar el genoma del SARS-CoV-2 en días y obtener,
producir y distribuir una vacuna eficaz y segura en once meses. Toda la humanidad se beneficiará de los logros de la ciencia. Estamos asistiendo en directo a un momento histórico. Esto es historia de la ciencia, historia de la humanidad.
Sobre
la vacuna de Pfizer y BioNTech, la Agencia de Alimentos y Medicamentos
de EEUU ha asegurado que la seguridad y eficacia de la vacuna de la
covid-19
El
índice de eficacia es del 95% en general y del 94% entre mayores de 65
años, y por lo tanto es muy superior al 50% que exigen las autoridades
sanitarias.
"Sobre
la comercialización de las vacunas y si son precipitadas las ya
anunciadas con tasas de efectividad superiores al 90%, el epidemiólogo
asegura no estar de acuerdo con ello: "Se ha experimentado de la forma
necesaria para que estas vacunas se lleguen a licenciar. Las autoridades
regulatorias que son las que certifican que el proceso técnico de las
vacunas se ha hecho de forma rigurosa, están extraordinariamente bien
informadas y saben exactamente cuáles son los resultados completos de
estas vacunas. Las agencias grandes se han reconvertido y su personal
está única y exclusivamente dedicada a la revisión de los dossiers de
estas vacunas por la urgencia del momento. Si las vacunas se aprueban,
son seguras y se pueden aplicar."Bassat, epidemiologo
Los pioneros del ARN ya investigan vacunas contra 30 infecciones diferentes | Ciencia | EL PAÍS (elpais.com)
El laboratorio de Weissman y Pardi está desarrollando nuevas vacunas de
ARN para 30 enfermedades infecciosas diferentes. Cinco de ellas se
están ya probando en humanos: dos contra el sida, una contra la gripe
estacional, otra contra todas las gripes, y otra contra el virus del
herpes genital
La Autoridad de Innovación de Israel y el Ministerio Digital Nacional
israelí han anunciado este domingo que cuatro farmacéuticas (Pfizer,
AstraZeneca, Merck y Teva), el Fondo Biotech de Israel y Amazon Web Services se
unirán para crear un laboratorio en el país para la Salud Digital y Biología
Computacional.
El Innovation Lab (Laboratorio de Innovación) estará situado en el Parque de
la Ciencia de Rehovot, comenzará a funcionar en 2021 y tiene asignado un
presupuesto de 32 millones de shéqueles (8 millones de euros) para los próximos
cinco años, que se completará con aportaciones de las propias empresas socias.
La propuesta de este grupo fue seleccionada en un concurso en competición con
otros proyectos.
Las farmacéuticas, junto con Amazon y el fondo israelí, establecerán un
laboratorio computacional que tendrá como objetivo apoyar a emprendedores y
"start-ups" en sus primeros pasos con proyectos que tengan
como finalidad la industria de la salud. Las empresas que se unan al
"Lab" recibirán financiación de la Autoridad de Innovación y del
Ministerio Digital Nacional, lo que les permitirá avanzar en sus operaciones.
"El rápido desarrollo de las vacunas para el virus de la covid-19 debe
su éxito en parte a las capacidades de Inteligencia Artificial de farmacéuticas
líderes como Pfizer y Moderna. Se espera que estas áreas sean más
significativas en los próximos años", explicó la Autoridad de Innovación
en un comunicado.
"El propósito del laboratorio es asistir en el establecimiento y avance
de nuevas start-ups que desarrollen tecnologías computacionales
innovadoras basadas en Inteligencia Artificial y destinadas a descubrir
tratamientos y soluciones personalizadas.También ayudará a las 'start-ups' con
asistencia de los socios del laboratorio y el acceso que den a su conocimiento
científico y a expertos mundiales para desarrollar medicinas y tratamientos
revolucionarios", añade la nota.
Procedimientos Vacunas- Ensayos-Autorización oficial
La responsabilidad de las vacunas, recae en las instituciones que validan las vacunas
El Departamento de Salud y Servicios Humanos de Estados Unidos explica que
hay cuatro tipos de vacunas:
Vacunas vivas atenuadas: utilizan una
forma debilitada del germen que causa la enfermedad
Vacunas inactivadas: utilizan una
forma muerta del germen que causa la enfermedad
Vacunas de subunidades, recombinantes, polisacáridas y combinadas: utilizan partes específicas del germen, como su proteína, que le
permiten atacar a un organismo
Vacunas con toxoides: utilizan una
toxina fabricada a partir del germen que causa una enfermedad. Crean
inmunidad a las partes del germen que causan una enfermedad en lugar de al
germen en sí.
En la Unión Europea, la Agencia
Europea de Medicamentos supervisa la regulación de vacunas y otras medicinas, y
un comité de la Organización Mundial de la Salud hace recomendaciones para los
productos biológicos utilizados a nivel internacional; muchos países han
adoptado las normas de la OMS.
La Ley de Servicio Público de Estados
Unidos de 1944 ordenaba que el gobierno federal emitiera autorizaciones
oficiales para los productos biológicos, incluidas las vacunas.
Un
patrocinador, que por lo general es una compañía privada, envía una solicitud
para investigar un medicamento nuevo (IND, por sus siglas en inglés) a la
Administración de Drogas y Alimentos de EE.UU., donde refiere los procesos de
fabricación y prueba, resume los informes del laboratorio y describe el estudio
propuesto. Una junta de revisión institucional, que representa a la institución
donde se llevará a cabo el ensayo clínico, debe aprobar el protocolo clínico.
Finalmente, la FDA tiene 30 días para aprobar la solicitud.
Una
vez que se ha aprobado la solicitud IND, la vacuna se somete a tres fases de
pruebas.
Fase I de los ensayos
con la vacuna
Fase II de los ensayos con la vacuna
Fase III de los ensayos con la vacuna
Las
vacunas candidatas que tienen éxito en la fase II avanzan a ensayos más
grandes, que involucran de miles a decenas de miles de personas. Las pruebas de
fase III son aleatorias y doble ciego, e involucran la vacuna experimental que
se prueba contra un placebo (el placebo puede ser una solución salina, una
vacuna para otra enfermedad o alguna otra sustancia).
Una
meta de la fase III es evaluar la seguridad de la vacuna en un grupo grande de
personas.
Siguientes pasos: Aprobación y autorización oficial
Después
de que un ensayo de fase III resulta exitoso, el creador de la vacuna enviará a
la FDA una solicitud de autorización oficial para productos biológicos.
Posteriormente, la FDA inspeccionará la fábrica donde se producirá la vacuna y
aprobará el etiquetado de la misma.
Después
de emitir la autorización oficial, la FDA vigilará la producción de la vacuna,
incluyendo las instalaciones de inspección, y revisará las pruebas que hace el
fabricante a lotes de vacunas en cuanto a capacidad para obtener el efecto
deseado, seguridad y pureza. La FDA tiene el derecho de realizar sus propias
pruebas a las vacunas de los fabricantes.
Vigilancia posterior una vez emitida la autorización oficial
Diversos
sistemas vigilan las vacunas después de haber sido aprobadas. Entre ellos se
incluyen los ensayos de la fase IV, el Sistema de Información sobre Eventos
Adversos a una Vacuna (Vaccine Adverse Event Reporting System) y el
Enlace de Datos sobre la Seguridad de las Vacunas (Vaccine
Safety Datalink).
Fase IV de los ensayos
Los
ensayos de la fase IV son estudios opcionales que pueden realizar las compañías
de medicamentos después de que se lanza una vacuna. El fabricante puede seguir
realizando pruebas a la vacuna en cuanto a seguridad, eficacia y otros posibles
usos.
"Estamos
en una situación única en la que la gente está dispuesta a trabajar de
manera colaborativa para lograr la vacuna". Según indica el médico
inmunólogo Joaquín Madrenas, director científico del Instituto
Lundquist, afiliado a la Escuela de Medicina de la Universidad de California en
Los Ángeles.
La pandemia de covid-19 nos ha llevado a
preguntarnos: ¿cuánto tiempo lleva crear una vacuna?
No hay una respuesta correcta, pero sabemos que
la que más rápido se ha desarrollado hasta ahora fue obra de un hombre del que
probablemente nunca hayas oído hablar, a pesar de ser una inspiración para los
fabricantes de vacunas de hoy.
El doctor Maurice Hilleman creó 40 vacunas
animales y humanas y, de las 14 que se le administran habitualmente a los
niños, nueve fueron creadas o desarrolladas por él.
NEC anunció la publicación de los planos de diseño para las vacunas
SARS-CoV-2, utilizando su tecnología de Inteligencia Artificial. Esta
iniciativa de los equipos científicos del Grupo NEC ayudará a combatir los
brotes de COVID-19 y apoyará los esfuerzos internacionales para perseguir el
desarrollo de una vacuna eficaz dirigida a la población mundial.
Esta iniciativa de los equipos científicos del Grupo NEC está dirigida por
NEC OncoImmunity (NOI) en colaboración con NEC Laboratories Europe
(NLE). Con la decodificación genética del virus, se obtiene la información
de los aminoácidos proteicos de la cadena de genes del virus con la cual es
posible realizar el plano para buscar un mecanismo de acción de una posible
vacuna de forma más rápida al apoyarla con tecnología de Inteligencia
Artificial.
La vacuna española a dia de hoy esta en fase II, como en España hay cientificos preparados pero no hay estructura suficiente, para que salga al mercado pueden pasar 10 meses mas.
Hay personas que desconfian de las vacunas,al lograr ahora una vacuna en mucho menos
tiempo , que hace unos años, para crear una vacuna, pero seguramente no conocen el nivel de los avances
cientificos muchos compart6idos y otros seguramente secretos, por esto se es cauto y se duda de como se puede pasar de una fase III a
una IV en poco tiempo....pero si vas indagando leyendo articulos de los bioquimicos, y de los bioinformaticos y te aseguran que hay avances, nos indican que el rápido
desarrollo de las vacunas para el virus de la covid-19 debe su éxito en
parte a las capacidades de Inteligencia Artificial de farmacéuticas
líderes como Pfizer y Moderna, esperan que estas áreas sean más
significativas en los próximos años"
Se crean laboratorios conjuntos de
distintas farmaceuticas, para el avance de nuevas start-ups que
desarrollen tecnologías computacionales innovadoras basadas en
Inteligencia Artificial y destinadas a descubrir tratamientos y
soluciones personalizadas,para desarrollar medicinas y tratamientos
revolucionarios, en parte fruto de una investigación de la bioquimica
sobre el ARN que empezo hace 20 años y ahora da sus frutos, pudiendose
aplicar a otras enfermedades.
U.S. Department of Health and Human
Services. Vaccine product approval process. U.S. Food and Drug Administration.
Actualizado 09 enero 2018. Acesado el 17 enero 2018.
U.S. Department of Health and Human
Services. Investigational New Drug (IND)
Application. U.S.
Food and Drug Administration. Actualizado 05 octubre 2017. Acesado el 17 enero
2018.
Lilienfeld, D.E. The first
pharmacoepidemiologic investigations: national drug safety policy in the United
States, 1901-1902. Perspectives in Biology and Medicine. 51.2
(2008): 192-96.
La inteligencia artificial sería un acelerador importantísimo en el desarrollo de una vacuna contra el coronavirus. El análisis de toda la información lograda en apenas seis meses de pandemia de covid-19 apoyaría el proceso de prueba de una potencial vacuna
La húngara investigadora del ARN mensajero en la Universidad de
Pensilvania durante más de 30 años y en cuya base están dos de las vacunas
podria ser la próxima en recibir el Premio Nobel.
En 1995, la bioquímica húngara Katalin Karikó tuvo la peor reunión de su vida.
Tras cinco años persiguiendo un proyecto que nadie quería financiar,
recién recuperada de un cáncer y con su marido atrapado en Hungría por
un problema con el visado, la Universidad de Pensilvania decidió que no
tenía sentido seguir adelante. Podría quedarse en la facultad si quería,
pero las posibilidades de convertirse en catedrática se acaban esa
tarde. Volvía a la casilla de salida.
1990. Ese año, un equipo de la Universidad de Wisconsin consiguió algo que parecía imposible: pudo "secuestrar" la maquinaria molecular de las células de un ratón
con una secuencia de ARN mensajero y usarla para producir un puñado de
enzimas en concreto. En ese experimento concreto se ocultaba una
promesa. La de que si aprendíamos a sintetizar ARNm de manera precisa,
podríamos usar nuestro propio cuerpo para fabricar "anticuerpos
para vacunar contra infecciones, enzimas para revertir enfermedades
raras o agentes de crecimiento para reparar el tejido cardíaco dañado".
A esa promesa fue a la que se agarró Katalin Karikó durante la década
de los 90 y la primera mitad de la de los 2000. Para el resto era una
posibilidad "demasiado inverosímil", demasiado peligrosa. Y, a priori,
llevaban razón y Karikó lo sabía. El problema de introducir millones de
'instrucciones genómicas' en el cuerpo es que todo podía acabar creando
una respuesta inmunitaria masiva con consecuencias imprevisibles para
los pacientes. No fue hasta diez años después de aquella reunión
en la Universidad de Pensilvania, cuando Karikó y Weissman encontraron
la luz al final del túnel.
Y, como en el caso de Mojica y el CRISPR, el artículo de 2005 en el que explicaban cómo enmascarar el ARNm y evitar la respuesta inmune pasó completamente desapercibido.
Un par de años después, desesperado por las polémicas recurrentes que
rodeaban su línea de trabajo con células madre, Derrick Rossi en la
Facultad de Medicina de Harvard se planteó si se podría usar la técnica
de Karikó y Weissman para crear células madre embrionarias a partir de
células adultas.
Dos años después, parecía que la idea tenía sentido, pero cuando
fueron en 2010 le plantearon la idea a Robert Larger, se dieron cuenta
de que lo que tenían entre manos era algo que iba mucho más allá de las
células madre. A estas alturas del partido, las dos vacunas de ARNm
contra el coronavirus estaban ya prefiguradas. Rossi y un equipo de investigadores formaron Moderna; Karikó es la vicepresidenta de BioNtech,
la pequeña biotecnológica que fundaron en Alemania la pareja turca Uğur
Şahin y Özlem Türeci y que está detrás de la vacuna de Pfizer: ambas
usan, esencialmente, la misma tecnología. Una que permite generar el
ARNm para combatir al virus a una velocidad rapidísima: cuando tuvieron los datos clave sobre el virus, Moderna tardó dos días en diseñar la vacuna.
Una proeza que puede pasar a los libros de historia
Khan Academy
Cuando decimos que, de conseguirse, "el éxito de las vacunas de ARNm
será uno de los grandes hitos de la historia de la ciencia" no debemos
olvidar que lo será, en parte, por otra carambola histórica: tres factores que van a adelantar la llegada de esta tecnología
de una forma que hace solo 12 meses era pura ciencia ficción. El
primero es que, cuando estalló la pandemia del coronavirus, la
tecnología estaba en el momento perfecto. Es cierto que nunca se ha
usado a este nivel y que eso genera cierta incertidumbre. Pero el ARNm
estaba lo suficientemente maduro como para que algunos de los sistemas
sanitarios más potentes del mundo se pusieran en sus manos.
Y, con todo eso, no era suficiente. En condiciones normales, incluso
si los sistemas funcionaran, los ensayos clínicos necesarios la harían
inviable. Nos ha pasado muchas veces (con el SARS-1, con el MERS, con el
Zika, con el Ébola), decenas de proyectos de vacunas han fracasado por la sencilla razón de que los brotes duraron menos que los ensayos clínicos.
Cuando llegaban los científicos con la nueva vacuna, ya no había
contagios y, por lo tanto, no se podía probar. Había que esperar hasta
el siguiente brote lo que alargaba sine die el proceso.
En este caso, cuando los investigadores vieron las tasas de contagios
del COVID-19 llegaron a la conclusión de que el brote tenía las
características de una pandemia prolongada y decidieron poner toda la
carne en el asador. Es decir, paradójicamente, es el carácter pandémico
del SARS-CoV-2 el que nos va a permitir crear una vacuna en su contra y,
de paso, dejar a punto una tecnología que, junto a CRISPR, puede cambiar la medicina tal y como la conocemos.
Ese carácter también es lo que ha predispuesto a los Gobiernos a
invertir unas cantidades descomunales de dinero, a eliminar trabas
burocráticas e, incluso, a permitir que la fabricación de la vacuna
empiece antes de obtener el OK del regulador. No hay duda de que
hubiéramos preferido que esto no fuera así, que el virus hubiera
desaparecido y que el ARNm hubiera tardado una década más en producir
sus medicamentos. Habría 1.3000.000 de muertos menos. No obstante, a la
vista de todo esto, uno no puede dejar de reconocer que si esta epidemia hubiera ocurrido un poco antes hubiéramos estado mucho más indefensos.
ARNm, proteínas, adenovirus... ¿cómo actúa y en qué se diferencia cada tipo de vacuna?
Las vacunas hacen que el sistema inmunológico de una persona pueda
reconocer y defenderse contra una determinada enfermedad. A día de hoy, a
nivel mundial, se están desarrollando más de 200 candidatas a vacunas
diferentes frente al COVID-19, utilizando distintas tecnologías.
¿Cómo funciona una vacuna?
Cuando se administra una vacuna, el organismo genera defensas conocidas como anticuerpos.
Los anticuerpos reconocen las sustancias que no son propias del organismo (conocidas como antígenos), se unen a ellas y las neutralizan.
Las vacunas tradicionales se basan en administrar el virus debilitado o
inactivado contra el que se quiere luchar. El objetivo es que nuestro
organismo genere anticuerpos que lo bloqueen.
Qué tienen en común las nuevas vacunas?
Las nuevas vacunas hacen que nuestras defensas actúen contra una proteína del virus llamada proteína S, clave para que este se una a la célula humana.
La proteína S encaja en la enzima ACE2 de la célula humana como una ‘llave en una cerradura’, abriendo así una vía de entrada al virus que causa el COVID-19.
Cómo funciona cada vacuna?
La Comisión Europea ha negociado varios acuerdos de compra de la
vacuna con varias compañías farmacéuticas. Las vacunas desarrolladas son
de tres tipos:
Visón cautelosa de la epidemiologoga Del Val:Quien nos señala que lo que se espera no haya síntomas leves ni graves en
las personas que reciban la vacuna, pero también ha advertido que
todavía "no sabemos si los vacunados no contagiarán el coronavirus", ya
que los experimentos previos realizados en animales "sí que multiplicaban el virus y eran capaces de contagiar a otros".
De ser así, las personas vacunada podrían ser como "asintomáticos contagiosos", lo que para la población vulnerable, según la viróloga, sería "un triunfo". No obstante, "para controlar la pandemia a nivel de la sociedad no sería todavía suficiente", ha afirmado.
Aurora Pérez sobre las vacunas de Pfizer y Moderna:
"No hace falta ser genetista (para entender como funcionan), basta con conocimientos de biología de 2Bachillerato. Introduce ARNm, lo lee el ribosoma y crea la proteína, como la proteína es ajena a nuestro cuerpo y la célula no la necesita, las vacuolas la mandan al torrente sanguíneo donde los anticuerpos de toda la vida reconocen un cuerpo extraño y memorizan que si lo ven deben atacarlo. Fin. Como es ARNm tiene una vida útil de pocas horas en el cuerpo, para introducirlo en la célula, se recubre de capa lipídica y la célula lo capta para usarlo como energía. Es ARNm, SOLAMENTE sirve para ser leído por Ribosomas y crear proteínas. Es más simple que el mecanismo de un chupete. Mas inofensivo que beber un vaso de agua. El único peligro es que alguien sea alérgico a los excipientes, algo que siempre puede pasar. Yo soy alérgica al jabón. Los efectos secundarios son tipo Tétanos, y no veo a la gente gritando que no le vacunen del Tétanos."
"Primero se dudaba se se podría transformarse en un epigen, pero se ha comprobado
que es imposible, no se metila y entra en el citoplasma como ARNm maduro
así que esperando a que me toque, es segura, aunque la efectividad es
lo que se verá con el tiempo." M.A.
La FDA toma acción clave en la
lucha contra el COVID-19 al emitir una autorización de uso de emergencia
para la primera vacuna contra el COVID-19
La acción sigue una
evaluación exhaustiva de la información disponible sobre la seguridad,
eficacia y calidad de fabricación de los científicos de carrera de la
FDA, aportes de expertos independientes
La FDA ha determinado que la vacuna contra el COVID-19 de
Pfizer-BioNTech ha cumplido los criterios reglamentarios para la emisión
de una EUA. La totalidad de los datos disponibles proporcionan pruebas
claras de que la vacuna contra el COVID-19 de Pfizer-BioNTech puede ser
eficaz en la prevención del COVID-19. Los datos también respaldan que
los beneficios conocidos y potenciales superan los riesgos conocidos y
potenciales, lo que apoya el uso de la vacuna en millones de personas de
16 años de edad y mayores, incluidas las personas sanas. Al tomar esta
determinación, la FDA puede asegurar al público y a la comunidad médica
que ha llevado a cabo una evaluación exhaustiva de la información
disponible sobre la seguridad, eficacia y calidad de fabricación.
La vacuna contra el COVID-19 de Pfizer-BioNTech contiene ARN
mensajero (ARNm), que es material genético. La vacuna contiene un
pequeño fragmento del ARNm del virus del SARS-CoV-2 que instruye a las
células del cuerpo a que produzcan la característica proteína de "pico"
del virus. Cuando una persona recibe esta vacuna, su cuerpo produce
copias de la proteína de pico, la cual no causa enfermedad, pero
desencadena que el sistema inmunológico aprenda a reaccionar de manera
defensiva, produciendo una respuesta inmunológica contra el SARS-CoV-2
