Antibióticos para el tratamiento de enfermedades particularmente resistentes. moléculas que bloquean las reacciones exageradas del sistema inmunológico, moléculas que inhiben el crecimiento de las células cancerosas al eliminar el exceso de hierro, moléculas que pueden aumentar la digestión de las grasas:todo esto y más se han descubierto en los últimos años utilizando un enfoque informático único para resolver problemas particularmente complejos.

En los últimos cinco años, un algoritmo de eliminación estocástica iterativa (ISE) desarrollado en el laboratorio del profesor Amiram Goldblum, en el Instituto de Investigación de Drogas de la Universidad Hebrea de Jerusalén, se ha aplicado al descubrimiento de fármacos potenciales. El Instituto forma parte de la Facultad de Farmacia de la Facultad de Medicina. Primero probado para resolver problemas en la estructura y función de las proteínas, Desde entonces, el algoritmo se ha utilizado para reducir los tiempos de descubrimiento de fármacos, de años a meses e incluso a semanas.

La solución de Goldblum es diferente de los algoritmos llamados heurísticos, que se basan en derivar soluciones utilizando la lógica y la intuición, y sugiere mejores soluciones. En este caso, el algoritmo produce un modelo para la actividad de moléculas pequeñas en una o más proteínas que se sabe que causan la enfermedad. Un modelo es un conjunto de filtros de propiedades físico-químicas que distinguen entre moléculas activas y no activas, o entre más y menos activos. A continuación, el modelo puede cribar millones de moléculas, que permite la puntuación de cada molécula por un número que refleja su capacidad para atravesar los filtros en función de sus propias propiedades físico-químicas.

Un modelo de este tipo suele construirse en unas pocas horas y es capaz de cribar millones de moléculas en menos de un día. Por lo tanto, dentro de unos días o más, es posible hacer predicciones iniciales sobre las moléculas candidatas para una actividad específica para combatir una enfermedad. La mayoría de esos candidatos nunca antes se había sabido que tuvieran actividad biológica.

Para el desarrollo de este algoritmo, El profesor Goldblum ganó un premio de la American Chemical Society en 2000. Desde entonces, el algoritmo ha resuelto muchos problemas relacionados con la comprensión de varios sistemas biológicos, como la flexibilidad de las proteínas, interacciones proteínas-moléculas pequeñas, y más. Estos y otros descubrimientos provienen de colaboraciones entre el laboratorio de Goldblum, donde sus estudiantes emplean el algoritmo para resolver varios problemas, y laboratorios y empresas farmacéuticas del mundo que prueban las predicciones de Goldblum en Alemania, Japón, Estados Unidos y por supuesto en Israel.

Sobre la base de la tecnología de Goldblum, la empresa Pepticom fue fundada en 2011 por Yissum, el brazo de Transferencia de Tecnología de la Universidad Hebrea, para revolucionar el descubrimiento de nuevos candidatos a fármacos peptídicos. El activo clave de Pepticom es una plataforma de inteligencia artificial excepcional destinada a diseñar ligandos peptídicos basados ​​en estructuras cristalinas de proteínas resueltas.

Amplias aplicaciones

El algoritmo se puede aplicar a otro tipo de problemas, en el que el número de posibilidades es inmenso y no se pueden resolver incluso si las computadoras más poderosas del mundo trabajarían juntas en él. Estos incluyen problemas en los que el número de resultados posibles es de 10 elevado a 100 (10100) y más, como problemas de transporte terrestre, aviación, comunicaciones y sistemas biológicos.

En el campo del transporte, esto podría implicar encontrar formas alternativas de ir de un punto a otro utilizando datos de tráfico en cada una de las carreteras alternativas que conducen entre los dos puntos. En la aviación, una disposición óptima de aterrizajes y despegues en aeropuertos con mucho tráfico. En telecomunicaciones, encontrar las rutas menos costosas dentro de una compleja matriz de cables de comunicación. Y en biología un modelo que se construye sobre la base de unas pocas docenas o cientos de moléculas sirve para seleccionar millones de moléculas y descubrir nuevos candidatos a fármacos. Luego se envían a laboratorios experimentales para su posterior desarrollo, y en algunos casos han sido cruciales para promover el desarrollo de tratamientos para la enfermedad de Alzheimer y diferentes formas de cáncer.