--- service: "Publicasta" schema_version: "1.0" article_id: 733 title: "Una formulación guiada por IA mantiene estables las partículas de vacunas de ARNm con el calor: la cadena de frío podría volverse menos frágil" language: "es" default_language: "en" canonical_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=es" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=es" api_url: "https://publicasta.com/api/public/v1/channels/good_tech_news/articles/ai_guided_heat_stable_mrna_vaccine_formulation?lang=es" channel_url: "https://publicasta.com/api/public/v1/channels/good_tech_news" channel_articles: "https://publicasta.com/api/public/v1/channels/good_tech_news/articles" search_url: "https://publicasta.com/api/public/v1/search" documentation_url: "https://publicasta.com/api-docs#reading-publicasta" openapi_url: "https://publicasta.com/api-docs/openapi.json" published_at: "2026-09-29T17:19:31+00:00" updated_at: "2026-09-29T17:19:31+00:00" translations: - language: "ar" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=ar" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=ar" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=ar" - language: "de" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=de" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=de" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=de" - language: "en" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=en" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=en" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=en" - language: "es" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=es" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=es" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=es" - language: "fr" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=fr" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=fr" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=fr" - language: "pl" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=pl" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=pl" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=pl" - language: "ru" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=ru" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=ru" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=ru" - language: "zh" html_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation?lang=zh" markdown_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.md?lang=zh" json_url: "https://publicasta.com/good_tech_news/ai_guided_heat_stable_mrna_vaccine_formulation.json?lang=zh" --- # Una formulación guiada por IA mantiene estables las partículas de vacunas de ARNm con el calor: la cadena de frío podría volverse menos frágil > Investigadores del MIT emplearon aprendizaje automático con pocos datos para ajustar los aditivos de nanopartículas lipídicas que transportan ARNm. En ratones, una formulación secada al vacío conservó su actividad durante un año a temperatura ambiente o dos meses a 37 °C, pero el resultado aún es preclínico. Una vacuna puede ser excelente desde el punto de vista biológico y, aun así, difícil de distribuir. Si necesita refrigeración profunda, cada traspaso cuenta: el fabricante, el transportista, la clínica, la unidad de almacenamiento temporal y las últimas horas antes de la inyección. Una excursión de temperatura puede convertir una dosis costosa en desperdicio, aunque el producto parezca perfectamente normal. ![Una investigadora examina viales de vacuna junto a un equipo de secado al vacío en un laboratorio biomédico.](https://publicasta.com/storage/projects/16/pages/733/2026/09/afafd36c-c2f6-4fd8-b9e2-7ae24ab4838a.webp) Ese problema logístico es especialmente importante para las vacunas de ARN mensajero. La molécula de ARN es frágil, y las nanopartículas lipídicas que la protegen y la llevan hasta las células también tienen límites de estabilidad. Por eso, los productos actuales de ARNm dependen de un almacenamiento y un transporte cuidadosamente controlados. Los Centros para el Control y la Prevención de Enfermedades de Estados Unidos señalan que el almacenamiento y la manipulación son esenciales para conservar la potencia, evitar revacunaciones innecesarias y reducir el desperdicio; sus directrices actualizadas también advierten a los proveedores que no utilicen productos conservados fuera de las temperaturas recomendadas, salvo que las autoridades de salud pública o el fabricante confirmen que siguen siendo seguros y eficaces ([directrices de los CDC sobre almacenamiento y manipulación](https://www.cdc.gov/vaccines/hcp/storage-handling/index.html)). Un estudio publicado el 28 de septiembre de 2026 en *Nature Biotechnology* describe una forma de volver más abordable una de las partes más difíciles del problema. Investigadores del MIT utilizaron un algoritmo de aprendizaje automático eficiente con pocos datos para seleccionar combinaciones y proporciones de excipientes aprobados: azúcares, sales y polímeros añadidos a una formulación alrededor de nanopartículas lipídicas que contienen ARNm. Después del secado al vacío, una formulación permaneció estable a temperatura ambiente durante hasta un año y a 37 °C, aproximadamente 98 °F, durante dos meses. En ratones, el material almacenado produjo respuestas inmunitarias comparables a las de una formulación fresca inspirada en la vacuna original de Moderna. Es un avance útil. No significa que haya llegado a las farmacias una vacuna estable en estantería ni que cualquier vacuna de ARNm pueda dejarse ahora en una habitación calurosa. El trabajo se entiende mejor como un avance de formulación y desarrollo: una manera de explorar con más inteligencia un gran espacio de diseño químico, seguida de un resultado en animales que justifica nuevas pruebas. ## El cuello de botella es la partícula de administración, no solo el ARN El ARN mensajero es una instrucción, no una molécula farmacológica convencional. Cuando entra en células adecuadas, puede indicarles que produzcan una proteína objetivo, lo que permite que el sistema inmunitario aprenda qué debe reconocer. Sin protección, el ARN se degrada con rapidez y tiene dificultades para atravesar las membranas celulares. Las nanopartículas lipídicas, normalmente compuestas por varios elementos lipídicos, proporcionan un vehículo protector temporal. Ese vehículo debe cumplir varias funciones a la vez. Tiene que conservar el ARN durante el almacenamiento, protegerlo de daños químicos y físicos, liberarlo en las condiciones adecuadas y ayudar a introducir la carga en las células después de la inyección. Un cambio que mejore una propiedad puede perjudicar otra. Una mayor protección durante el almacenamiento no es automáticamente mejor si la partícula pierde eficacia para liberar el ARN en el organismo. El calor acelera muchos procesos que pueden reducir el rendimiento. El contenido de agua, la oxidación, la hidrólisis, la agregación y los cambios en el estado físico de la partícula pueden ser importantes. El secado puede ralentizar algunas reacciones, pero secar una formulación compleja de nanopartículas sin dañar su estructura es, en sí mismo, un desafío técnico. La respuesta no consiste simplemente en añadir un conservante o subir la temperatura. Es un equilibrio entre ingredientes, proporciones, condiciones de secado, envase y la carga específica de ARN. La consecuencia práctica es que el almacenamiento en frío pasa a formar parte del diseño del producto. Para un sistema sanitario con buenos recursos, esto puede exigir congeladores especializados, dispositivos de monitorización calibrados, suministro eléctrico de respaldo y un transporte cuidadosamente gestionado. Para una campaña que deba llegar a clínicas remotas o centros de vacunación temporales, puede significar menos lugares donde una dosis pueda esperar de forma segura. Reducir la exigencia no resolvería todos los problemas de distribución, pero podría eliminar un eslabón especialmente frágil. ## Qué cambió el equipo del MIT Los investigadores querían mejorar formulaciones relacionadas con las nanopartículas lipídicas utilizadas en las vacunas contra la COVID-19 de Moderna y Pfizer-BioNTech, en lugar de partir de una plataforma de administración completamente distinta. La elección importa. Una formulación estable solo porque utiliza una partícula desconocida todavía podría afrontar un largo recorrido de fabricación, toxicología y evaluación regulatoria. Trabajar con una plataforma parecida a un sistema vacunal establecido puede hacer más reconocibles las preguntas de desarrollo posteriores, aunque no las elimina. El equipo evaluó primero casi 50 excipientes aprobados por la FDA. Cada candidato se incorporó a una nanopartícula lipídica y se probó por su capacidad para conservar la administración de ARNm que codificaba la luciferasa de luciérnaga. Las células que recibían partículas eficaces producían luz, lo que proporcionaba una medición de si el ARNm seguía siendo funcional. Ese cribado inicial redujo una lista amplia a cinco excipientes prometedores. Después, el sistema de aprendizaje automático propuso las proporciones que debían probarse. Los investigadores realizaron una pequeña tanda de experimentos, devolvieron los resultados al algoritmo y utilizaron las predicciones actualizadas para seleccionar las combinaciones siguientes. Es una forma de diseño experimental iterativo: el software no sustituye el trabajo de laboratorio; decide qué trabajo de laboratorio puede aportar más información. El MIT informa de que el grupo llegó a una formulación prometedora tras varias rondas realizadas durante unas semanas. Antes de utilizar el algoritmo, los investigadores habían pasado meses probando combinaciones sin alcanzar su nivel objetivo de estabilidad. El valor del modelo fue aprender a partir de un número reducido de mediciones, en vez de exigir un cribado exhaustivo de todas las mezclas posibles. La distinción es importante. La expresión diseñada por IA podría sugerir que un sistema inventó por sí solo una vacuna. Eso no fue lo que ocurrió. El objetivo biológico, la plataforma de nanopartículas, los ingredientes candidatos, los experimentos, las mediciones de calidad y las pruebas en animales siguieron siendo diseñados por personas y realizados en el laboratorio. El algoritmo sirvió de guía para recorrer un problema de formulación acotado. ## El resultado de almacenamiento comunicado Para la prueba principal, los investigadores empaquetaron antígenos de ARNm contra la COVID-19 en las nanopartículas lipídicas seleccionadas y utilizaron el secado al vacío para producir un material sólido y más tolerante al almacenamiento. Después lo conservaron a temperatura ambiente durante un año o a 37 °C durante dos meses. Cuando el material almacenado se administró a ratones, generó respuestas inmunitarias equivalentes a las producidas por ratones que recibieron una formulación fresca comparable. Los investigadores también prepararon parches de microagujas sólidas que contenían un antígeno del SARS-CoV-2. En los experimentos con animales, los parches produjeron una respuesta inmunitaria similar a la de la formulación inyectable de ARN. El estudio también informa de que el enfoque podía adaptarse a otra formulación de nanopartículas lipídicas parecida al sistema utilizado por Pfizer-BioNTech. Los ingredientes eran los mismos que en la formulación similar a la de Moderna del equipo, pero se emplearon en una proporción diferente. Ese resultado respalda la idea de que el método no está atado a una única receta exacta de partículas, aunque cada formulación sigue necesitando su propia validación. Las temperaturas son más informativas que una afirmación vaga de estabilidad a temperatura ambiente. Veinticinco grados Celsius y 37 °C generan tensiones distintas, y una formulación que resiste una prueba controlada a una temperatura puede comportarse de otra manera durante ciclos repetidos de calentamiento y enfriamiento, exposición a humedad, vibraciones, luz o una ruta de transporte prolongada. El resultado del artículo es valioso precisamente porque especifica una prueba definida de tiempo y temperatura. No debe convertirse en una promesa de que el producto terminado será seguro en todas las condiciones reales. ## Por qué podría importar más allá de la COVID-19 El beneficio más inmediato sería logístico. Un producto menos exigente podría facilitar el traslado por lugares sin equipos de frío ultrabajo, reducir las pérdidas después de excursiones accidentales de temperatura y simplificar los centros de vacunación temporales. La ventaja sería mayor donde la electricidad sea poco fiable, las distancias largas o los trabajadores sanitarios deban transportar suministros más allá de la infraestructura convencional de cadena de frío. La misma lógica de formulación también podría ser útil para vacunas contra enfermedades que todavía no han llegado a desplegarse a gran escala. Una vacuna nueva no sirve de mucho si puede fabricarse pero no almacenarse y distribuirse allí donde aparecen los casos. La tolerancia al calor podría permitir a los desarrolladores considerar más rutas de distribución y diseños de campaña más flexibles desde etapas tempranas. Los investigadores también señalan los parches de microagujas. Un parche con microagujas solubles o sólidas podría simplificar potencialmente la administración, reducir la necesidad de personal capacitado para inyectar y facilitar la autoadministración o la distribución comunitaria. Esos beneficios son objetivos plausibles de desarrollo, no resultados clínicos establecidos por este estudio. Un parche debe cumplir sus propios requisitos de uniformidad de dosis, penetración cutánea, tolerancia, calidad de fabricación y eliminación segura. El enfoque podría extenderse más allá de las vacunas. Los tratamientos de ARNm y otras terapias basadas en ácidos nucleicos también necesitan vehículos de administración, y algunas partículas de liberación controlada o medicamentos sólidos requieren estabilidad a temperaturas más altas. Un método eficiente con pocos datos para optimizar excipientes podría ser útil siempre que el número de formulaciones posibles sea grande, pero cada experimento resulte costoso o lento. Aun así, la unidad relevante de éxito no es la nanopartícula por sí sola. Es el producto completo: una secuencia concreta de ARN, una composición concreta de partículas, un proceso concreto de secado, un vial o parche concreto y una declaración de vida útil validada. Una formulación exitosa no se transfiere automáticamente a todas las cargas. ## Lo que el estudio no ha demostrado La mayor limitación es que las pruebas son preclínicas. La comparación de respuestas inmunitarias se realizó en ratones, no en personas. El resultado no establece la seguridad humana, la protección clínica, los requisitos de dosis, las tasas de acontecimientos adversos ni la duración de la protección. Tampoco demuestra que una formulación estable al calor se comporte exactamente igual en bebés, personas mayores, personas inmunodeprimidas u otros grupos cuyas respuestas puedan diferir de las de los animales de laboratorio. El estudio no establece una vida útil comercial. El almacenamiento controlado durante un año a temperatura ambiente y dos meses a 37 °C no equivale a un expediente regulatorio de estabilidad. Normalmente, los desarrolladores necesitan datos de múltiples lotes, periodos de observación más largos, distintas configuraciones de envase, escalas de fabricación y condiciones de transporte. También deben definir límites de potencia aceptables y demostrar que el producto se mantiene dentro de ellos hasta la fecha de caducidad indicada. La formulación se secó al vacío. Eso crea un paso adicional de fabricación. Un producto que funciona en un laboratorio de investigación debe fabricarse de manera uniforme en lotes grandes, introducirse en recipientes adecuados, protegerse de la humedad y reconstituirse o utilizarse de forma que conserve su rendimiento. El escalado puede modificar la mezcla, el secado y las propiedades de las partículas. También puede cambiar el coste, el rendimiento y las exigencias de control de calidad. El objetivo del estudio es la estabilidad, pero la estabilidad es solo una parte del perfil de calidad de una vacuna. Los investigadores también deben vigilar el tamaño de las partículas, el encapsulamiento, el comportamiento de liberación, la integridad del ARN, las impurezas, la esterilidad, la potencia y la posibilidad de que los excipientes o el proceso de secado cambien la reacción del organismo. Una formulación que conserve una señal intensa en el laboratorio puede fracasar más adelante por otra razón. Hay un segundo límite conceptual: la temperatura ambiente no es un entorno universal. Las temperaturas dentro de un almacén, un vehículo, una clínica y un envase cerrado pueden variar sustancialmente. La humedad y la luz solar pueden importar. Los ciclos repetidos de temperatura pueden ser más dañinos que un único periodo a temperatura estable. La etiqueta del producto final tendría que describir condiciones concretas, no otorgar informalmente permiso para ignorar los requisitos de almacenamiento. ## Aliviar la cadena de frío aún exigiría disciplina Hasta que un producto estable al calor obtenga una licencia y sus instrucciones de almacenamiento cambien oficialmente, seguirán vigentes las directrices actuales para las vacunas. Las recomendaciones de los CDC indican a los proveedores que sigan las instrucciones específicas de cada producto y que no utilicen dosis conservadas fuera de las temperaturas recomendadas, salvo que el fabricante o las autoridades de salud pública confirmen su estado. Un resultado de investigación no puede anular la etiqueta de una vacuna aprobada. Esa cautela no contradice las buenas noticias. Es la razón por la que el avance podría volverse útil. Una distribución fiable depende de condiciones medidas, recipientes validados y reglas claras. Si un futuro producto de ARNm tolera un intervalo más amplio, ese intervalo tendrá que demostrarse y documentarse, no inferirse de un artículo prometedor. También habrá que probar el argumento económico. Menos horas de congelador y un transporte menos especializado podrían reducir costes, pero el secado al vacío, los envases resistentes a la humedad, las pruebas de calidad y la fabricación de parches podrían añadir gastos nuevos. El mejor producto no será necesariamente el que tenga el límite de temperatura más alto. Podría ser el que reduzca la complejidad total del sistema, conserve la potencia y facilite la administración. Las cuestiones de acceso también importan. Una formulación capaz de resistir el calor no está automáticamente disponible para las comunidades que más podrían beneficiarse. La capacidad de fabricación, la propiedad intelectual, los contratos de compra, la revisión regulatoria local, el personal capacitado y la financiación determinan si una mejora técnica se convierte en una mejora de salud pública. ## La lección útil sobre la IA en el desarrollo de fármacos Lo más llamativo del estudio no es que un modelo produjera una respuesta desde cero. Es que un algoritmo con pocos datos ayudó a los investigadores a decidir qué probar después en un problema donde la fuerza bruta resulta costosa. El desarrollo de formulaciones suele implicar combinaciones de materiales cuyos efectos no son lineales. Probarlo todo puede llevar meses y muchos experimentos pueden aportar poca información. Un modelo que aprenda con rapidez a partir de mediciones elegidas cuidadosamente puede hacer más eficiente la búsqueda. Ese es un papel concreto para el aprendizaje automático. El algoritmo no eliminó la necesidad de experimentos físicos, estudios en animales, controles de fabricación ni ensayos clínicos. Ayudó a concentrar el esfuerzo experimental en regiones más prometedoras del espacio de diseño. El resultado fue un candidato mejor, no un medicamento terminado. Esta distinción será cada vez más importante a medida que la IA se utilice en el diseño biológico. Una predicción solo es valiosa cuando la medición subyacente es significativa y la formulación predicha supera pruebas fuera de los datos usados para entrenar el modelo. Los conjuntos de datos pequeños pueden ser una ventaja cuando los experimentos son costosos, pero también pueden volver a los modelos sensibles a variables ausentes y al ruido de medición. El ciclo iterativo del equipo funciona porque las predicciones se comprueban repetidamente frente a resultados de laboratorio. En esta aplicación concreta, el flujo de trabajo también ofrece una forma práctica de trazabilidad. Los investigadores pueden registrar los candidatos iniciales, las mediciones, las propuestas del modelo, los experimentos seleccionados y la razón por la que una formulación avanzó. Ese registro no garantiza que el producto funcione, pero hace que la ruta de desarrollo sea más fácil de examinar que una afirmación según la cual un sistema opaco simplemente descubrió una vacuna estable. ## Qué habrá que observar a continuación Los próximos hitos son bastante concretos. Los investigadores tendrán que probar más cargas de ARN, comparar más condiciones de almacenamiento y transporte, examinar otras recetas de nanopartículas y reproducir los resultados a mayor escala de fabricación. También deberán demostrar que el material seco puede envasarse, transportarse y administrarse de manera uniforme. En el caso de los parches de microagujas, las preguntas incluyen la exactitud de la dosis, la administración a través de la piel, las reacciones locales, la aceptación por parte de los usuarios y el rendimiento de fabricación. Para los productos inyectables, incluyen la reconstitución, la esterilidad, el cierre del recipiente y si la formulación estable al calor cambia la biodistribución o la respuesta inmunitaria. En ambos casos, los estudios clínicos tendrán que establecer la seguridad y la eficacia en personas. Los reguladores y los fabricantes también buscarán una relación clara entre las mediciones de laboratorio y la calidad real del producto. El ensayo de luciferasa es útil para el cribado porque mide si las células reciben ARNm funcional, pero no es por sí mismo un criterio clínico. Las respuestas inmunitarias en ratones son alentadoras, pero no sustituyen los resultados de ensayos en humanos. Si esos pasos tienen éxito, el beneficio puede aparecer en lugares poco llamativos: menos dosis desechadas, una planificación del transporte más sencilla, clínicas móviles más flexibles y una gama más amplia de entornos donde pueda utilizarse una vacuna de ARN. Esa es una forma más precisa de describir el avance que decir que ha terminado con la cadena de frío. Ha mostrado una vía creíble para hacer menos exigente una parte de esa cadena. El progreso real es, por tanto, doble. La formulación conservó la actividad de la vacuna bajo condiciones de calor difíciles para los productos actuales de ARNm, y un algoritmo con pocos datos ayudó a los investigadores a encontrarla sin probar todas las mezclas posibles. Ambos resultados siguen siendo tempranos. Juntos, vuelven más medible y más susceptible de ingeniería un problema práctico de desarrollo: mantener utilizables los medicamentos biológicos frágiles fuera de las condiciones ideales de almacenamiento. ## Fuentes - [MIT News: Una nueva formulación ayuda a las vacunas de ARN a resistir altas temperaturas](https://news.mit.edu/2026/new-formulation-helps-rna-vaccines-withstand-high-temperatures-0928), publicado el 28 de septiembre de 2026. - [Nature Biotechnology: Accelerated discovery of thermostable mRNA–lipid nanoparticle vaccines using data-efficient AI](https://www.nature.com/articles/s41587-026-03331-w), publicado el 28 de septiembre de 2026. - [Centros para el Control y la Prevención de Enfermedades: Almacenamiento y manipulación de vacunas](https://www.cdc.gov/vaccines/hcp/storage-handling/index.html), publicado el 14 de julio de 2026. - [MIT News: Una nueva técnica podría acelerar el desarrollo de terapias de ARN](https://news.mit.edu/2026/new-technique-could-accelerate-development-rna-therapies-0925), publicado el 25 de septiembre de 2026.