Investigadores estadounidenses debaten la precisión de la IA en el descubrimiento de nuevos fármacos candidatos.
En la Universidad de Carolina del Norte (UNC), especialmente en la Facultad de Medicina, han desarrollado, en colaboración con colegas de otras instituciones, una tecnología de predicción de proteínas que pueden producir resultados precisos en la búsqueda eficiente de mejores fármacos candidatos para tratar diversas enfermedades. Esto fue posible gracias a la inteligencia artificial (IA), la cual tiene múltiples aplicaciones en la salud y la atención médica, como el análisis de imágenes o la optimización de ensayos clínicos.
En este sentido, AlphaFold2, un sistema de IA, diseñado para predecir estructuras de las proteínas, ha facilitado la tarea de los científicos en identificar y crear cantidades significativamente grandes de fármacos candidatos para el tratamiento de trastornos neuropsiquiátricos.
Sin embargo, estudios recientes pusieron en duda la precisión de AlphaFold2 en la modelación de sitios de unión de ligandos, es decir la zona de las proteínas donde los fármacos de adhieren y envían señales de las células para causar el efecto terapéutico deseable y los posibles efectos secundarios.
No obstante, el Dr. Bryan Roth, profesor de farmacología y Programa de detección de drogas psicoactivas en la Facultad de Medicina de la UCN, en colaboración con colegas de Stanford, Harvard y la Universidad de California, San Francisco, determinaron que esta herramienta puede producir resultados precisos para las estructuras de unión de ligandos.
El estudio publicado en Science, sugiere que las estructuras de AlphaFold2 son útiles para el descubrimiento de fármacos, además con una cantidad casi infinita de posibilidades, según el Dr. Roth.
El estudio también detalla que AlphaFold2, al igual que una predicción meteorológica funciona a través de la extracción de información de una gran base de datos, en este caso de proteínas conocidas para crear modelos de estructura proteínicas. Posteriormente simula cómo los distintos compuestos moleculares encajan en los sitios de unión de la proteína y producen los efectos deseados. De esta manera, los investigadores pueden utilizas las combinaciones para comprender mejor las interacciones de las proteínas y crear nuevos candidatos a fármacos.
De igual forma, el estudio determinó la precisión de esta herramienta al comparar los resultados de un estudio retrospectivo con los de un estudio prospectivo. En el primero, los investigadores introducen en el software de predicción compuestos que ya saben que se unen al receptor, mientras que en el segundo los investigadores utilizan la tecnología como una nueva perspectiva y luego introducen en la plataforma de IA información sobre compuestos que pueden o no interactuar con el receptor.
Los resultados mostraron que, a pesar de las diferencias en los modelos, AlphaFold2 demostró un gran potencial en el descubrimiento de medicamentos. Para el receptor sigma-2, el 54% de las interacciones medicamento-proteína predichas por AlphaFold2 fueron exitosas, mientras que el modelo experimental mostró una tasa de éxito del 51%.
Asimismo, los investigadores encontraron que las estructuras predichas por AlphaFold2 pueden ser útiles para el descubrimiento de medicamentos. Las pruebas en modelos animales preclínicos mostraron que algunos compuestos efectivos detuvieron infecciones, y los análisis adicionales sugirieron que muchos de estos compuestos destruyen bacterias al alterar sus membranas protectoras.
De esta manera, el uso de IA como AlphaFold2 está demostrando ser una herramienta importante en el descubrimiento de nuevos medicamentos, proporcionando múltiples nuevas pistas para los desarrolladores y marcando la pauta en los nuevos métodos para la investigación de medicamentos.
