La identificación de fármacos candidatos para una mayor optimización suele implicar miles de experimentos individuales, pero la nueva plataforma de inteligencia artificial (IA) podría dar los mismos resultados en una fracción del tiempo. Los investigadores utilizaron la nueva herramienta, descrita en Nature Communications. , para sintetizar 32 nuevos fármacos candidatos contra el cáncer.

La tecnología es parte de una tendencia nueva pero creciente en la ciencia farmacéutica de utilizar la IA para mejorar el descubrimiento y desarrollo de fármacos.

"Hace unos años, la IA era una mala palabra en la industria farmacéutica, pero ahora la tendencia es definitivamente la opuesta, ya que a las nuevas empresas de biotecnología les resulta difícil recaudar fondos sin abordar la IA en sus planes de negocios", dijo el autor principal, Trey Ideker, profesor en el Departamento de Medicina de la Facultad de Medicina de UC San Diego y profesor adjunto de bioingeniería e informática en la Facultad de Ingeniería Jacobs de UC San Diego.

"El descubrimiento de fármacos guiado por IA se ha convertido en un área muy activa en la industria, pero a diferencia de los métodos que se desarrollan en las empresas, estamos haciendo que nuestra tecnología sea de código abierto y accesible para cualquiera que quiera utilizarla".

La nueva plataforma, llamada POLYGON, es única entre las herramientas de inteligencia artificial para el descubrimiento de fármacos porque puede identificar moléculas con múltiples objetivos, mientras que los protocolos de descubrimiento de fármacos existentes actualmente priorizan las terapias con un solo objetivo. Los medicamentos con múltiples objetivos son de gran interés para médicos y científicos debido a su potencial para brindar los mismos beneficios que la terapia combinada, en la que se usan varios medicamentos diferentes juntos para tratar el cáncer, pero con menos efectos secundarios.

"Se necesitan muchos años y millones de dólares para encontrar y desarrollar un nuevo fármaco, especialmente si hablamos de uno con múltiples objetivos", afirmó Ideker. "Los pocos fármacos multiobjetivo que tenemos se descubrieron en gran medida por casualidad, pero esta nueva tecnología podría ayudar a eliminar el riesgo de la ecuación e impulsar una nueva generación de medicina de precisión".

Los investigadores entrenaron a POLYGON en una base de datos de más de un millón de moléculas bioactivas conocidas que contienen información detallada sobre sus propiedades químicas e interacciones conocidas con objetivos proteicos. Al aprender de los patrones encontrados en la base de datos, POLYGON puede generar fórmulas químicas originales para nuevos medicamentos candidatos que probablemente tengan ciertas propiedades, como la capacidad de inhibir proteínas específicas.

"Así como la IA ahora es muy buena para generar dibujos e imágenes originales, como crear imágenes de rostros humanos basándose en propiedades deseadas como la edad o el sexo, POLYGON es capaz de generar compuestos moleculares originales basados ​​en las propiedades químicas deseadas", dijo Ideker.

"En este caso, en lugar de decirle a la IA cuántos años queremos que tenga nuestra cara, le estamos diciendo cómo queremos que nuestro futuro medicamento interactúe con las proteínas de la enfermedad".

Para poner a prueba POLYGON, los investigadores lo utilizaron para generar cientos de fármacos candidatos dirigidos a varios pares de proteínas relacionadas con el cáncer.

De ellas, los investigadores sintetizaron 32 moléculas que tenían las interacciones más fuertes previstas con las proteínas MEK1 y mTOR, un par de proteínas de señalización celular que son un objetivo prometedor para la terapia combinada contra el cáncer. Estas dos proteínas son lo que los científicos llaman sintéticamente letales, lo que significa que inhibir ambas juntas es suficiente para matar las células cancerosas, incluso si inhibir una sola no lo es.

Los investigadores descubrieron que los fármacos que sintetizaron tenían una actividad significativa contra MEK1 y mTOR, pero tenían pocas reacciones fuera del objetivo con otras proteínas. Esto sugiere que uno o más de los medicamentos identificados por POLYGON podrían atacar ambas proteínas como tratamiento contra el cáncer, proporcionando una lista de opciones para que los químicos humanos las ajusten.

"Una vez que se tienen los fármacos candidatos, aún es necesario hacer toda la química necesaria para refinar esas opciones en un tratamiento único y eficaz", afirmó Ideker. "No podemos ni debemos intentar eliminar la experiencia humana del proceso de descubrimiento de fármacos, pero lo que podemos hacer es acortar algunos pasos del proceso".

A pesar de esta precaución, los investigadores son optimistas en cuanto a que las posibilidades de la IA para el descubrimiento de fármacos apenas se están explorando.

"Será muy emocionante ver cómo se desarrolla este concepto durante la próxima década, tanto en el mundo académico como en el sector privado", afirmó Ideker. "Las posibilidades son prácticamente infinitas."