Sztuczna inteligencja zaprojektuje nośniki terapii genowej dla chorych na mukowiscydozę

Cystic Fibrosis Foundation ogłosiła 10 września 2026 roku inwestycję do 7,3 miliona dolarów w bostoński startup Ride Therapeutics. Pieniądze mają sfinansować rozwój platformy, w której sztuczna inteligencja uczy się projektować nanocząstki zdolne dostarczyć terapię genową do komórek płuc osób chorych na mukowiscydozę - problem, który od lat blokuje tę gałąź medycyny.

Problem z dostarczeniem leku

Terapie genowe dla mukowiscydozy nie są nowością - naukowcy testują je od dekad, próbując wprowadzić prawidłową kopię genu CFTR do komórek nabłonka płuc. Kłopot leży gdzie indziej: gęsty, lepki śluz zalegający w drogach oddechowych chorych skutecznie blokuje dotarcie nośników - czy to zmodyfikowanych wirusów, czy nanocząstek lipidowych - do właściwych komórek.

Dotychczasowe podejścia opierały się głównie na próbach i błędach w laboratorium, testowaniu pojedynczych wariantów nośników i powolnym iterowaniu ich składu. Ride Therapeutics chce to przyspieszyć, zamieniając proces w pętlę sprzężenia zwrotnego między eksperymentem a algorytmem.

Jak działa Molecular Logistics

Platforma firmy tworzy bardzo zróżnicowane biblioteki liczące miliony nanocząstek, różniących się rozmiarem, składem i rodzajem przenoszonego ładunku - od cząsteczek RNA po większe konstrukty genowe. Po podaniu takich cząstek (dożylnie lub wziewnie) naukowcy śledzą, do których tkanek i typów komórek faktycznie dotarły.

Z tych eksperymentów powstają miliardy punktów danych, które trenują generatywny model AI. Zadaniem systemu jest rozpoznanie cech fizykochemicznych łączących najskuteczniejsze nośniki, a następnie projektowanie nowych kandydatów dopasowanych do konkretnej tkanki - w tym wypadku nabłonka płucnego. Firma zastrzega przy tym, że AI nie pełni roli diagnostycznej ani terapeutycznej - jest wyłącznie narzędziem przyspieszającym projektowanie nośnika.

Obietnica terapii genowych nigdy nie była większa, ale można ją zrealizować wyłącznie rozwiązując problem dostarczania leku do celu - Sam Cohen, współzałożyciel i CEO Ride Therapeutics

Kto stoi za projektem

Ride Therapeutics powstało w 2023 roku jako spin-off Uniwersytetu Harvarda i Cambridge, z rundą zalążkową w wysokości 8 milionów dolarów. Wśród naukowych współzałożycieli firmy są profesorowie David Weitz i Tuomas Knowles, badacze zajmujący się na co dzień inżynierią materiałową i biofizyką molekularną.

Nowe finansowanie od Cystic Fibrosis Foundation ma pozwolić firmie rozwinąć dotychczasowe prace nad dostarczaniem terapii drogą dożylną oraz rozszerzyć technologię o wariant wziewny, bezpośrednio trafiający do płuc - co w przypadku mukowiscydozy jest naturalnym kierunkiem podania leku.

Dlaczego to ważne dla części pacjentów

Od kilku lat leczenie mukowiscydozy zmieniły modulatory CFTR, takie jak Trikafta, które poprawiają działanie wadliwego białka u większości pacjentów. Problem w tym, że od 10 do niemal 20 procent chorych ma mutacje, przy których te leki nie działają lub są źle tolerowane - to właśnie ta grupa jest głównym adresatem terapii genowych, bo dla niej nie istnieje obecnie żadna terapia przyczynowa.

Cystic Fibrosis Foundation nie jest przy tym jedynym podmiotem finansującym prace nad AI w kontekście dostarczania terapii genowych - fundacja wsparła w podobnym czasie również mniejszy projekt firmy Nanite, rozwijającej platformę SAYER łączącą automatyczną syntezę polimerów z uczeniem maszynowym. Pokazuje to, że problem transportu leku do komórki stał się jednym z priorytetów finansowania badań nad mukowiscydozą, obok samych terapii genowych.

Co dalej

Projekt Ride Therapeutics znajduje się na wczesnym, przedklinicznym etapie - w komunikacie nie padają żadne terminy pierwszych testów na ludziach ani konkretne wyniki laboratoryjne. To badanie nad narzędziem projektowym, a nie gotowa terapia, więc na razie nie zmienia niczego w codziennym leczeniu pacjentów.

Dla polskich pacjentów i klinicystów śledzących postępy w terapiach genowych mukowiscydozy najważniejsze jest to, w jakim tempie tego typu platformy AI będą w stanie skrócić dotychczasowe wieloletnie cykle prób i błędów przy projektowaniu nośników - to właśnie ten etap, a nie sama terapia genowa, był dotąd głównym wąskim gardłem całej dziedziny.