Los investigadores de SMU han desarrollado un conjunto de rutinas controladas por computadora que pueden imitar reacciones químicas en un laboratorio, recortando el tiempo y los gastos relacionados con la mano de obra que se requieren con frecuencia para encontrar el mejor fármaco posible para el resultado deseado.

La universidad tiene una patente pendiente para las rutinas computacionales con el nombre de ChemGen. Además de acelerar el proceso de búsqueda de medicamentos exitosos para aplicaciones específicas, ChemGen permitirá que los laboratorios más pequeños contribuyan a una investigación significativa a un nivel que muchos no pueden permitirse actualmente.

"ChemGen tiene la capacidad de reemplazar a un equipo de 20 químicos orgánicos altamente capacitados en la optimización de una molécula de interés, "dijo el inventor principal John Wise, un profesor de SMU que se especializa en bioquímica estructural. "Básicamente, estamos armando un ejército de laboratorios más pequeños para realizar investigaciones realmente sofisticadas.

"También espero que las principales compañías farmacéuticas aprovechen esta tecnología, también, ", Dijo Wise. ChemGen podría potencialmente potenciar un edificio lleno de químicos capacitados para aumentar drásticamente su productividad de trabajar en tan solo seis problemas al año a hasta 60," él dijo.

"Eso hará que los nuevos medicamentos salgan más rápido y más baratos, que es exactamente lo que necesitamos para el coronavirus y lo que venga después, "Dijo Wise.

En la actualidad, pueden pasar de 12 a 15 años para que un nuevo fármaco se abra paso en el diseño, desarrollo, proceso de prueba y aprobación para su uso en pacientes. Y aunque el costo medio del desarrollo de medicamentos para los fabricantes es objeto de debate, las estimaciones sitúan ese costo tan alto como $ 2.6 mil millones.

Cómo funciona

ChemGen acelera una parte inicial del proceso de descubrimiento de fármacos conocido como optimización farmacológica, lo que hace que el fármaco sea funcional y eficaz para aplicaciones específicas, una tarea que puede llevar meses para que la realice un equipo de químicos orgánicos. ChemGen puede realizar las mismas tareas virtualmente en unos pocos días usando computadoras de alto rendimiento como el gigantesco ManeFrame II de SMU.

Wise explica que el primer paso para crear un fármaco es identificar un objetivo molecular sobre el que pueda actuar el fármaco:un objetivo que juega un papel en permitir que una persona sea infectada por un virus, sentir síntomas de una enfermedad o sufrir otros daños en el cuerpo. Una vez que se identifica ese objetivo, el siguiente paso es encontrar tantas claves químicas como sea posible que potencialmente puedan bloquear la función del objetivo y prevenir los efectos biológicos negativos que causan enfermedades y dolencias. Tanto los objetivos moleculares como las claves químicas que actúan sobre ellos tienden a ser moléculas extremadamente complejas, responsable de una serie de tareas en el cuerpo humano.

"Son como personas, "Dijo Wise." Todos son diferentes ".

"Cuando una compañía farmacéutica encuentra un éxito en un fármaco, una 'clave' química que cree que podría ser valiosa, es posible que tenga un equipo de químicos muy capacitados que trabajen en esa molécula específica. Esa no es la única molécula con la que trabajarán, pero podrían pasar tres meses del próximo año haciendo 1, 000 variaciones de esa molécula, "Dijo Wise.

Este es el enfoque tradicional para la optimización farmacológica:los químicos intentan determinar si hay una mejor coincidencia con la proteína objetivo que la que acaban de encontrar. La razón que importa es que si un medicamento no se ajusta perfectamente a la proteína, no se unirá lo suficientemente fuerte a esa proteína para ser eficaz. Los investigadores también deben identificar qué otras proteínas del cuerpo humano podrían ser bloqueadas involuntariamente por esa misma clave. posiblemente causando efectos secundarios.

ChemGen crea variantes moleculares de la clave química original de forma computacional en lugar de hacerlo en un laboratorio de química física. Imita lo que sucedería en diversas combinaciones de circunstancias.

"Le enseñamos a ChemGen las reglas de la química para estas reacciones:qué se puede hacer y qué no, "dijo Wise, profesor asociado en el Departamento de Ciencias Biológicas de SMU. "Podemos tomar mil compuestos, reaccionarlos en la computadora, y hacer 1, 000 productos de eso. Entonces podemos tomar ese grupo de 1, 000 y reaccionar con un segundo grupo de 1, 000 otras moléculas para crear un millón de diferentes, pero productos relacionados. Esto genera una enorme cantidad de variación química para una molécula determinada ".

Como resultado, ChemGen puede observar esas variantes y determinar si alguna de ellas es mejor para la proteína objetivo que la clave original.

"El proceso es ciego. No hay sesgos. Genera estas variantes, y luego solo dice, "¿Qué tan bien encajas? y clasifica eso, ", Dijo Wise." Por lo tanto, un grupo de investigación o una compañía farmacéutica solo necesita sintetizar las moléculas con las mejores posibilidades de mejora, dejando las miles de moléculas no mejoradas en la computadora y no en la mesa del laboratorio.

"Este enfoque es muy eficiente tanto en tiempo como en dinero, ", Dijo Wise. Limita el desperdicio y hace que sea más probable que el nuevo medicamento sea mejor que lo que se descubrió originalmente".

Wise ha estado trabajando durante más de una década con otros científicos de SMU, incluidos los estudiantes, para desarrollar lo que se convirtió en ChemGen.

Wise tuvo la idea de crear ChemGen mientras él y Pia Vogel intentaban encontrar compuestos que pudieran revertir el fracaso de la quimioterapia en cánceres agresivos. Vogel es profesor y director del Center for Drug Discovery de SMU, Diseño y Entrega.

Alex Lippert, un profesor asociado de química, ayudó al programa Wise ChemGen a saber qué podía y qué no podía hacer en una reacción química. Lippert y su Ph.D. El estudiante Maha Aljowni también sintetizó físicamente los compuestos farmacológicos predichos por ChemGen y demostró que predijo con precisión nuevas moléculas que podrían estar activas en el cáncer de resistencia a múltiples medicamentos.

Robert Kalescky tomó los guiones que escribió Wise y los convirtió a un lenguaje de programación diferente, para que ChemGen funcione más rápido y pueda ser utilizado por cualquier persona. Kalescky es científico de aplicaciones de HPC de SMU, que asiste a la comunidad de investigación de SMU con el uso de ManeFrame II.

Amila K. Nanayakkara, Mike Chen, Maisa Correa de Oliveira y Lauren Ammerman, todas las cuales fueron o son estudiantes del Doctorado en Ciencias Biológicas. programa en SMU — también ayudó a probarlo. Ketetha Olengue también ayudó en las primeras investigaciones cuando estudiaba en SMU.