* Un equipo de químicos de la Universidad de California, Berkeley, ha desarrollado un nuevo método que podría acelerar significativamente el proceso de investigación de descubrimiento de fármacos.
* El método, llamado "matrices supramoleculares de autoclasificación", utiliza moléculas pequeñas para autoensamblarse en estructuras a nanoescala que pueden usarse para detectar posibles fármacos candidatos.
* Los investigadores dicen que su método es más rápido y eficiente que los métodos tradicionales de detección de drogas y podría conducir a nuevos tratamientos para una variedad de enfermedades.
El proceso de descubrimiento de fármacos es notoriamente lento y costoso. Puede llevar años y miles de millones de dólares llevar un nuevo medicamento al mercado. Uno de los principales obstáculos en el proceso de descubrimiento de fármacos es la selección de posibles fármacos candidatos.
Tradicionalmente, la detección de drogas se realiza in vitro, utilizando células cultivadas en una placa de laboratorio. Este método requiere mucho tiempo y es costoso, y puede resultar difícil predecir cómo se comportará un fármaco en el cuerpo humano.
El nuevo método desarrollado por los químicos de Berkeley ofrece una posible solución a estos problemas. Las matrices supramoleculares autoclasificadas son estructuras a nanoescala que se pueden utilizar para detectar posibles fármacos candidatos de una manera más eficiente.
Los investigadores dicen que su método es más rápido y eficiente que los métodos tradicionales de detección de drogas y podría conducir a nuevos tratamientos para una variedad de enfermedades.
"Este nuevo método tiene el potencial de revolucionar la forma en que desarrollamos nuevos medicamentos", dijo el autor principal James C. Liao, profesor de química en Berkeley. "Podría conducir a nuevos tratamientos para una variedad de enfermedades y también podría hacer que el proceso de descubrimiento de fármacos sea más rápido y rentable".
Los investigadores publicaron sus hallazgos en la revista Nature Chemistry.
Cómo funciona el nuevo método
Las matrices supramoleculares autoclasificadas son moléculas pequeñas que se autoensamblan en estructuras a nanoescala. Estas estructuras se pueden utilizar para detectar posibles fármacos candidatos uniéndose a proteínas u objetivos específicos.
Los investigadores utilizaron matrices supramoleculares autoclasificadas para detectar posibles inhibidores de la enzima BACE1. BACE1 es una enzima clave en la producción de placas de beta amiloide, que están asociadas con la enfermedad de Alzheimer.
Los investigadores descubrieron que varias de las pequeñas moléculas que sintetizaron podían inhibir la actividad de BACE1. Estos compuestos podrían potencialmente convertirse en nuevos fármacos para el tratamiento de la enfermedad de Alzheimer.
Ventajas del nuevo método
El nuevo método desarrollado por los químicos de Berkeley tiene varias ventajas sobre los métodos tradicionales de detección de drogas.
* Es más rápido y eficiente. Las matrices supramoleculares de autoclasificación se pueden utilizar para detectar posibles candidatos a fármacos en cuestión de días, en comparación con las semanas o meses de los métodos tradicionales.
* Es más rentable. Las matrices supramoleculares autoclasificadas son relativamente económicas de sintetizar y pueden usarse para detectar múltiples objetivos simultáneamente.
*Es más preciso. Se pueden utilizar matrices supramoleculares de autoclasificación para identificar posibles fármacos candidatos que tienen más probabilidades de ser eficaces en el cuerpo humano.
Aplicaciones potenciales
El nuevo método desarrollado por los químicos de Berkeley podría tener un impacto importante en el proceso de descubrimiento de fármacos. Podría conducir a nuevos tratamientos para una variedad de enfermedades, incluida la enfermedad de Alzheimer, el cáncer y las enfermedades cardíacas.
Actualmente, los investigadores están trabajando en formas de utilizar matrices supramoleculares autoclasificadas para detectar posibles fármacos candidatos para otras enfermedades. También están trabajando en el desarrollo de nuevas matrices supramoleculares autoclasificadas que sean aún más eficientes y precisas.
