La IA acelera por 10 la búsqueda de fármacos para tratar el párkinson

El uso de la inteligencia artificial (IA) está revoluicionando todas las áreas de nuestra vida, y la investigación científica no podía quedarse atrás. En particular, la búsqueda de nuevos tratamientos para enfermedades comunes se ha visto beneficiada por la capacidad de la IA de analizar grandes volúmenes de datos a una velocidad y precisión sin precedentes. Las técnicas de aprendizaje automático permiten a los investigadores descubrir patrones ocultos en datos biomédicos, acelerando el proceso de identificación y validación de nuevos compuestos farmacológicos. Este enfoque no solo optimiza los recursos, reduciendo costes y tiempo en las etapas preliminares de investigación, sino que también promete una personalización más efectiva de los tratamientos, adaptándolos a las necesidades específicas de los pacientes.

Un equipo de investigadores de la Universidad de Cambridge ha utilizado una estrategia basada en novedosas técnicas de inteligencia artificial (IA) para identificar compuestos que impiden la aglomeración de la alfa-sinucleína, la proteína que caracteriza a la enfermedad de Parkinson. Para conseguir su objetivo los investigadores emplearon técnicas de aprendizaje automático con el objetivo de examinar rápidamente una biblioteca química que contiene millones de entradas, identificando cinco compuestos altamente potentes para poder ser investigados posteriormente.

Más de seis millones de personas en todo el mundo sufren de párkinson, y las estimaciones proyectan que esta cifra se triplique para 2040. Actualmente, no hay tratamientos disponibles que modifiquen la enfermedad. El proceso de cribado de grandes bibliotecas químicas en busca de candidatos a fármacos, que debe realizarse mucho antes de que los posibles tratamientos puedan probarse en pacientes, es enormemente lento, costoso y muchas veces infructuoso.

Gracias al uso del aprendizaje automático, los investigadores lograron multiplicar por diez la velocidad del proceso de detección inicial y reducir su costo en mil veces. Este avance sugiere que los posibles tratamientos para el Parkinson podrían llegar a los pacientes de manera mucho más rápida. Estos hallazgos han sido publicados en la revista Nature Chemical Biology.

El párkinson se está convirtiendo en la enfermedad neurológica que más rápido crece en todo el mundo. Tan solo en España, se estima que cada año se diagnostican unos 10.000 casos nuevos de párkinson. Más allá de los conocidos síntomas motores, el párkinson también puede afectar al sistema gastrointestinal y nervioso, alterar los patrones de sueño, el estado de ánimo y la cognición, lo que contribuye a una disminución en la calidad de vida y una discapacidad considerable en las personas que lo padecen.

"El aprendizaje automático está teniendo un impacto real en el descubrimiento de fármacos: está acelerando todo el proceso de identificación de los candidatos más prometedores (Michele Vendruscolo)"

Las proteínas desempeñan roles cruciales en varios procesos celulares; sin embargo, en la enfermedad de Parkinson, estas proteínas se rebelan y actúan de manera defectuosa, provocando la muerte de células nerviosas. En particular, cuando las proteínas se pliegan incorrectamente, pueden formar acumulaciones anormales conocidas como cuerpos de Lewy dentro de las células cerebrales, interfiriendo con su funcionamiento normal. Estos cuerpos son indicativos de la enfermedad y contribuyen a su progresión.

"Una ruta para buscar tratamientos potenciales para el párkinson requiere la identificación de pequeñas moléculas que puedan inhibir la agregación de alfa-sinucleína, que es una proteína estrechamente asociada con la enfermedad", comentó el profesor Michele Vendruscolo del Departamento de Química Yusuf Hamied, quien dirigió la investigación. Sin embargo, señala que este proceso es extremadamente lento, ya que "simplemente identificar un candidato principal para realizar más pruebas puede llevar meses o incluso años".

El reto de identificar dianas moleculares para combatir el párkinson

Aunque actualmente se están realizando ensayos clínicos para abordar el párkinson, todavía no se ha aprobado ningún tratamiento que modifique directamente el curso de la enfermedad. Este hecho subraya la dificultad de dirigirse específicamente a las formas moleculares responsables del trastorno.  

Un gran desafío en la investigación del Parkinson ha sido la dificultad de identificar los objetivos moleculares adecuados y la falta de tecnología para trabajar efectivamente con ellos. Esta limitación tecnológica ha sido un obstáculo significativo para el desarrollo de tratamientos que realmente alteren el curso de la enfermedad.

El equipo de investigadores de la Universidad de Cambridge ha abordado este problema mediante el desarrollo de un método basado en aprendizaje automático. Este enfoque permite analizar bibliotecas químicas que contienen millones de compuestos para identificar aquellas pequeñas moléculas que se unen a los agregados de amiloide, bloqueando así su proliferación.

Posteriormente, se realizó una selección experimental de un pequeño grupo de compuestos destacados para determinar los inhibidores de agregación más eficaces. La información recopilada de estos ensayos experimentales se reintrodujo en el modelo de aprendizaje automático de manera iterativa. Después de varias iteraciones, este refinamiento continuo del proceso permitió identificar compuestos altamente efectivos. Esta innovación representa un avance prometedor en la búsqueda de soluciones terapéuticas para el párkinson.

Michele Vendruscolo, codirector del Centro de Enfermedades de Plegado Erróneo, explicó un cambio innovador en su metodología de investigación: "En lugar de llevar a cabo pruebas de detección experimentalmente, las realizamos a través de simulaciones computacionales". "Al utilizar el conocimiento que obtuvimos de la evaluación inicial con nuestro modelo de aprendizaje automático , pudimos entrenar el modelo para identificar las regiones específicas en estas pequeñas moléculas responsables de la unión, luego podemos volver a examinar y encontrar moléculas más potentes".

El equipo de Cambridge, utilizando este método, ha desarrollado compuestos que atacan zonas específicas en las superficies de los agregados responsables de su proliferación acelerada. Estos compuestos resultan ser cientos de veces más efectivos y considerablemente más económicos de desarrollar que los anteriormente conocidos.

Vendruscolo destacó el impacto del aprendizaje automático en la investigación farmacéutica: "Está transformando completamente el proceso de identificación de candidatos prometedores para tratamientos", y añadió que este avance les permite iniciar múltiples proyectos de descubrimiento de fármacos simultáneamente, en lugar de limitarse a uno solo. "La significativa reducción de tiempo y costos abre un momento realmente emocionante para nosotros".

Este trabajo se ha llevado a cabo en el Laboratorio de Química de la Salud en Cambridge, establecido con el apoyo del Fondo de Inversión en Investigación de la Asociación del Reino Unido (UKRPIF), que promueve la aplicación clínica de investigaciones académicas.

Fuente: Universidad de Cambridge