Investigadores de la Universidad Estatal de Ohio, desarrollaron un modelo de inteligencia artificial generativa que podía acelerar el desarrollo y diseño de medicamentos.
La retrosíntesis es un procedimiento en el que una molécula objetivo se transforma en posibles reactivos y, de esta manera, se pueden identificar las rutas de síntesis. Investigadores de la Universidad Estatal de Ohio (OSU, en inglés), desarrollaron enfoques computacionales para acelerar el diseño de rutas de síntesis. En el artículo “G2Retro como modelos generativos de gráficos de dos pasos para la predicción de retrosíntesis” los autores muestran un modelo de inteligencia artificial (IA) generativa que cumple con dicho propósito.
En este sentido, la retrosíntesis facilita la creación de potenciales medicamentos para los químicos y especialistas, al tomar las moléculas deseadas que componen el objetivo del fármaco y así identificar las reacciones químicas que generarían estas moléculas. “G2Retro imita la lógica inversa de las reacciones sintéticas. Primero predice los centros de reacción en las moléculas objetivo (productos), identifica los sintones necesarios para ensamblar los productos y transforma estos sintones en reactivos”, explica la investigación.
“Nuestro objetivo era utilizar la IA para acelerar el proceso de diseño de fármacos, y descubrimos que no solo ahorra tiempo y dinero a los investigadores, sino que proporciona candidatos a fármacos que pueden tener propiedades mucho mejores que cualquier molécula que exista en la naturaleza”, explicó Xia Ning, autora principal del estudio.
Es decir, los millones de reacciones químicas potenciales, que requieren ser examinadas para encontrar las correctas para el desarrollo de fármacos, necesitan mucho tiempo, es por ello la IA generativa juega un rol importante, en este caso A través del modelo G2Retro. Los investigadores entrenaron este modelo en 40 mil reacciones químicas recopiladas entre 1976 y 2016, a través de este conjunto de datos el modelo utiliza representaciones basadas en gráficos de cada molécula y utiliza las redes neuronales profundas para identificar y generar estructuras potenciales que podrían utilizarse para sintetizar una molécula específica.
Para probar esta herramienta los científicos evaluaron su capacidad de producción de estructuras reactivas para cuatro medicamentos ya existentes. “Para ilustrar el poder predictivo de G2Retro, hemos destacado los 10 principales reactivos predichos por G2Retro con tipos de reacción desconocidos para cuatro moléculas de fármacos recientemente aprobadas en 2022, incluidos Mitapivat, Tapinorf, Mavacamten y Oteseconazol”, explica el estudio.
La prueba determinó que esta herramienta podía generar con precisión las rutas de síntesis patentadas utilizadas en estos medicamentos y proporcionar rutas de síntesis alternativas viables y eficaces. Además, la velocidad de procesamiento permite completas esta tarea más rápido que un profesional químico.
“Nuestro método de IA generativa G2Retro puede proporcionar múltiples rutas y opciones de síntesis diferentes, así como una forma de clasificar diferentes opciones para cada molécula”, dijo Ning. Sin embargo, reconoció que este proceso no reemplazará los experimentos de laboratorio actuales, pero que ofrece más opciones de medicamentos para que los experimentos y pruebas puedan priorizarse y enfocarse de manera más ágil.
“Estamos muy entusiasmados con la IA generativa para la medicina y estamos dedicados a usar la IA de manera responsable para mejorar la salud humana”, finalizó Ning.
