Viitorul dezvoltării medicamentelor pe bază de ARN ghidate de inteligența artificială

Un articol de tip Views & Comments publicat în revista Engineering în decembrie 2025 analizează modul în care inteligența artificială poate transforma fundamental dezvoltarea medicamentelor pe bază de acid ribonucleic. Lucrarea, realizată de cercetători din domeniul ingineriei biomedicale și informaticii, propune un nou cadru conceptual pentru integrarea inteligenței artificiale într-un flux unificat, digital și interactiv de descoperire și validare a terapiilor ARN.

Context

Medicamentele bazate pe acid ribonucleic mesager, interferența ARN și microARN au devenit în ultimii ani un pilon central al inovației terapeutice, cu aplicații majore în boli metabolice, oncologie și vaccinologie. Recunoașterea prin Premiul Nobel, atât pentru tehnologiile acidului ribonucleic mesager utilizate în vaccinuri, cât și pentru descoperirea microARN-ului și a rolului său în reglarea post-transcripțională a genelor, subliniază impactul structural al acestui domeniu asupra medicinei moderne.

Comparativ cu dezvoltarea tradițională a medicamentelor mici sau biologice clasice, terapiile ARN prezintă avantaje semnificative:

• Rate de succes mult mai ridicate, cu o tranziție cumulativă din faza clinică 1 până în faza clinică 3 raportată la peste 60% pentru medicamentele bazate pe interferență ARN, față de aproximativ 5–7% pentru medicamentele convenționale.

• Timp de descoperire mult redus, de ordinul lunilor, comparativ cu anii necesari dezvoltării clasice.

• Costuri de dezvoltare mai scăzute, datorită proceselor de sinteză mai rapide și standardizabile.

Cu toate acestea, metodele experimentale actuale, inclusiv editarea genomică și secvențierea acidului ribonucleic, precum și abordările computaționale convenționale, nu pot ține pasul cu nevoia de viteză, diversitate și personalizare, ceea ce creează un blocaj structural în evoluția domeniului.

Despre studiul actual

Articolul publicat în Engineering propune un model teoretic integrat pentru dezvoltarea medicamentelor ARN ghidată de inteligența artificială.

Autorii descriu trei niveluri complementare prin care inteligența artificială poate accelera și rafina acest proces:

Abordarea bazată pe date
Aceasta constituie fundația sistemului și utilizează seturi masive de date moleculare pentru a identifica tipare între secvențele de ARN, structura tridimensională și funcțiile biologice. Prin extragerea regulilor și corelațiilor, structurile ARN pot fi optimizate către conformații stabile și funcțional eficiente, cu energie liberă moleculară minimă.

Abordarea bazată pe strategii de învățare
Acest nivel introduce intervenții explicite precum inferența cauzală și învățarea prin recompensă. Modelele nu se limitează la analiză, ci pot lua decizii adaptative, selectând moleculele optime în funcție de criterii clinice, farmacodinamice și farmacocinetice stabilite de cercetători.

Abordarea bazată pe învățare profundă
Reprezintă nivelul cel mai avansat, unde modele de tip limbaj de mari dimensiuni permit analiza secvențelor lungi de acid ribonucleic, iar modelele generative, inclusiv cele de tip difuzie, susțin proiectarea de novo a moleculelor ARN funcționale. Aceste tehnologii permit explorarea unor spații moleculare inaccesibile anterior.

Un exemplu citat în articol arată că un acid ribonucleic mesager proiectat printr-o platformă generativă a indus un răspuns imun mai puternic decât un vaccin ARN deja utilizat clinic, la aceeași doză administrată.

Rezultate și direcții viitoare

Lucrarea nu raportează rezultate clinice propriu-zise, ci propune un flux de lucru integrat pentru viitorul dezvoltării medicamentelor ARN, bazat pe două bucle de feedback:

• Bucla internă, dedicată optimizării continue a modelelor de inteligență artificială prin date moleculare, simulări și validări experimentale.

• Bucla externă, care integrează date din lumea reală pentru rafinarea continuă a designului terapeutic.

Autorii identifică trei direcții majore de cercetare pe termen scurt:

• Vizualizarea tridimensională de înaltă rezoluție, care să permită observarea dinamică a interacțiunilor ARN–țintă într-un mediu digital complet.

• Descoperirea de medicamente ARN personalizate, adaptate profilului genetic individual, cu reducerea efectelor secundare și creșterea eficacității.

• Platforme interactive de generare și editare ARN, care să permită colaborarea în timp real între cercetători și inteligența artificială, cu ajustarea secvențelor în funcție de stabilitate și specificitate.

Din punct de vedere economic și social, autorii subliniază că digitalizarea completă și automatizarea proceselor ar putea reduce semnificativ costurile de dezvoltare, accelera accesul pacienților la terapii personalizate și contribui la un model sustenabil de inovare farmaceutică.

Concluzie

Această perspectivă publicată în Engineering conturează o schimbare de paradigmă în dezvoltarea medicamentelor pe bază de acid ribonucleic, în care inteligența artificială nu mai este un instrument auxiliar, ci nucleul unui ecosistem digital integrat. Deși implementarea clinică pe scară largă rămâne o provocare, cadrul propus oferă o viziune coerentă asupra modului în care medicina personalizată și dezvoltarea rapidă a terapiilor ARN ar putea deveni realitate în următorii ani.

Yan, Y., et al. (2025). The Future of AI-Driven RNA Drug Development. Engineering. DOI: 10.1016/j.eng.2025.06.029. https://www.sciencedirect.com/science/article/pii/S2095809925003510?via%3Dihub. Sursă imagine: https://www.freepik.com/free-ai-image/technology-integrated-everyday-life_383220425.htm