Los investigadores del CeMM, en colaboración con Pfizer, han aprovechado y ampliado un método para medir la actividad de unión de cientos de pequeñas moléculas contra miles de proteínas humanas.

Este estudio a gran escala reveló decenas de miles de interacciones ligando-proteína que ahora pueden explorarse para el desarrollo de herramientas químicas y terapéuticas. Además, gracias al aprendizaje automático y la inteligencia artificial, permite realizar predicciones imparciales sobre cómo interactúan las moléculas pequeñas con todas las proteínas presentes en las células humanas vivas.

Estos resultados han sido publicados en la revista Science y todos los datos y modelos generados están disponibles gratuitamente para la comunidad científica.

La mayoría de los fármacos son pequeñas moléculas que influyen en la actividad de las proteínas. Estas pequeñas moléculas, si se comprenden bien, también son herramientas invaluables para caracterizar el comportamiento de las proteínas y realizar investigaciones biológicas básicas.

Teniendo en cuenta estas funciones esenciales, sorprende que para más del 80% de todas las proteínas no se haya identificado hasta ahora ningún aglutinante de moléculas pequeñas. Esto dificulta el desarrollo de nuevos fármacos y estrategias terapéuticas, pero también impide nuevos conocimientos biológicos sobre la salud y la enfermedad.

Para cerrar esta brecha, los investigadores del CeMM, en colaboración con Pfizer, han ampliado y ampliado una plataforma experimental que les permite medir cómo cientos de pequeñas moléculas con diversas estructuras químicas interactúan con todas las proteínas expresadas en las células vivas.

Esto produjo un rico catálogo de decenas de miles de interacciones ligando-proteína que ahora se pueden optimizar aún más para representar puntos de partida para un mayor desarrollo terapéutico.

En su estudio, el equipo dirigido por el investigador principal del CeMM, Georg Winter, ha ejemplificado esto mediante el desarrollo de aglutinantes de moléculas pequeñas de transportadores celulares, componentes de la maquinaria de degradación celular y proteínas poco estudiadas implicadas en la transducción de señales celulares. Además, aprovechando el gran conjunto de datos, se desarrollaron modelos de aprendizaje automático e inteligencia artificial que pueden predecir cómo interactúan moléculas pequeñas adicionales con proteínas expresadas en células humanas vivas.

"Nos sorprendió ver cómo la inteligencia artificial y el aprendizaje automático pueden mejorar nuestra comprensión del comportamiento de las moléculas pequeñas en las células humanas. Esperamos que nuestro catálogo de interacciones entre moléculas pequeñas y proteínas y los modelos de inteligencia artificial asociados puedan proporcionar ahora un atajo en el descubrimiento de fármacos. se acerca", afirma Winter.

Para maximizar el impacto potencial y la utilidad para la comunidad científica, todos los datos y modelos están disponibles gratuitamente a través de una aplicación web.

"Se trata de una asociación excepcional entre la industria y el mundo académico. Estamos encantados de presentar los resultados obtenidos a través de tres años de estrecha colaboración y trabajo en equipo entre los grupos. Ha sido un gran proyecto", afirma el Dr. Patrick Verhoest, vicepresidente y director. de Diseño de Medicamentos en Pfizer.