Una IA diseña los fármacos contra el cáncer de pulmón del futuro

En España, cada año, se detectan cerca de 30.000 nuevos casos de cáncer de pulmón. Afortunadamente también surgen nuevas estrategias para tratarlos: desde análisis de sangre para su detección temprana a dirigirse a los telómeros. Y ahora ha surgido una nueva alternativa gracias a la inteligencia artificial.

Un equipo de científicos de la Universidad de California en San Diego, liderado por Trey Ideker, ha desarrollado un algoritmo de aprendizaje automático para simular la química involucrada en las primeras fases del descubrimiento de fármacos. Esta es una de las etapas clave en el desarrollo de tratamientos ya que requiere mucho tiempo y análisis.

La identificación de fármacos 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 para el cáncer.

"Hace unos años, la IA era una mala palabra en la industria farmacéutica – explica Ideker en un comunicado -, pero ahora la tendencia es definitivamente la contraria: a las nuevas empresas de biotecnología les resulta difícil recaudar fondos sin abordar la IA en sus planes de negocios. 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 euros para encontrar y desarrollar un nuevo fármaco, especialmente si hablamos de uno con múltiples objetivos – añade Ideker -. Los pocos fármacos multiobjetivo que tenemos se descubrieron en gran medida por casualidad, pero esta nueva tecnología podría ayudar a eliminar el riesgo e impulsar una nueva generación de medicina de precisión".

El equipo de Ideker entrenó a POLYGON en una base de datos con 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 fármacos 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 – señala 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 fármaco interactúe con las proteínas de la enfermedad".

Para poner a prueba POLYGON, utilizaron cientos de fármacos candidatos dirigidos a varios pares de proteínas relacionadas con el cáncer. A partir de los resultados sintetizaron 32 moléculas que tenían las interacciones más fuertes previstas con las proteínas MEK1 y mTOR, objetivos 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.

Gracias a ello descubrieron que los fármacos que sintetizaron tenían una actividad significativa contra MEK1 y mTOR, 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, entonces sí, comiencen los expertos en química a experimentar, pero ya sobre una base más sólida.

"No podemos ni debemos intentar eliminar la experiencia humana del proceso de descubrimiento de fármacos – concluye Ideker -, pero lo que podemos hacer es acortar algunos pasos del proceso. Ver cómo se desarrollará este concepto durante la próxima década, tanto en el mundo académico como en el sector privado, será muy emocionante. Las posibilidades son prácticamente infinitas".