Redacción
La interacción entre millones de compuestos químicos y miles de proteínas que juegan un papel importante en múltiples enfermedades, unida a la inteligencia artificial, es la base de un proyecto europeo financiado con 60 millones de euros a lo largo de cinco años que busca predecir qué moléculas tendrían potencial para convertirse en nuevos fármacos en función de sus interacciones con las proteínas humanas. De esta ambiciosa idea, que se materializa con el inicio del proyecto estos días, participa el Vall D’Hebron Instituto de Oncología (VHIO) junto a otros 17 socios de nueve países.
Ligand-IA, así se llama el proyecto, generará grandes conjuntos abiertos y de alta calidad sobre interacciones proteína-ligando. Con ellos, los investigadores quieren entrenar modelos de inteligencia artificial para predecir qué moléculas son capaces de unirse a miles de proteínas humanas. De ahí, podrán extraer las que potencialmente puedan convertirse en nuevas terapias, tanto para enfermedades que ya cuentan con tratamientos disponibles como para aquellas que no disponen de arsenal terapéutico o aún presentan necesidades médicas no cubiertas. Enfermedades raras, neurológicas y oncológicas, son algunas áreas terapéuticas que pueden beneficiarse de este proyecto.
Dr. Albert Antolín: «Para el 80% de las proteínas humanas, aún no contamos con ningún compuesto conocido que pueda unirse a ellas y ser utilizado para crear nuevos tratamientos»
«Para el 80% de las proteínas humanas, aún no contamos con ningún compuesto conocido que pueda unirse a ellas y ser utilizado para crear nuevos tratamientos», explica el Dr. Albert Antolín, que forma parte del Grupo de Identificación de Fármacos e Inteligencia Artificial del VHIO y colidera con la compañía IBM el área de machine Learning del proyecto. Pese a esta mayoría abrumadora de proteínas aún por explorar y hallar compuestos con los que interacciones, «para reducir riesgos, muchas empresas optan por desarrollar fármacos poco innovadores con las mismas proteínas».
La razón es que el descubrimiento temprano de fármacos es «un proceso largo, costoso y lleno de incertidumbre» en el que los científicos «dedican años a probar miles de moléculas para encontrar una que se una a una proteína relacionada con una enfermedad, pero en la mayoría de los casos, estos esfuerzos fracasan durante los ensayos clínicos». La IA puede acortar el proceso de búsqueda y ofrecer posibles candidatos que puedan ser potenciales nuevos tratamientos.
El proyecto trata de cambiar el enfoque de la investigación de medicamentos enfocándose en «proteínas poco estudiadas o difíciles que darían lugar a fármacos realmente innovadores»
El área de machine learning se encargará de desarrollar y entrenar nuevos modelos de inteligencia artificial a partir de los datos generados por Ligand-AI, con el objetivo de predecir de forma sistemática la afinidad entre moléculas y proteínas humanas. De esta forma, el proyecto trata de cambiar el enfoque de la investigación de medicamentos «combinando tecnologías avanzadas de laboratorio con métodos computacionales para acelerar el descubrimiento de fármacos enfocándonos en proteínas poco estudiadas o difíciles que darían lugar a fármacos realmente innovadores«, explica el Dr. Antolín.
El consorcio generará miles de millones de datos de química biológica mediante tecnologías de cribado, lo que permitirá a investigadores de todo el mundo desarrollar, entrenar y comparar modelos de inteligencia artificial capaces de predecir interacciones moleculares.
«Se trata de una auténtica revolución, comparable a la que supuso el Proyecto Genoma Humano, pero aplicada a la química biológica. Ligand-AI está generando un volumen de datos sobre interacciones proteína–ligando muy superior al disponible hasta ahora, de forma homogénea y abierta, lo que nos permitirá desarrollar modelos de inteligencia artificial mucho más potentes que puedan predecir compuestos químicos para cualquier proteína con elevada precisión«, valora el Dr. Antolín.
Dr. Antolín: «Se trata de una auténtica revolución, comparable a la que supuso el Proyecto Genoma Humano, pero aplicada a la química biológica»
Todos los resultados del proyecto se compartirán a través de Mainframe, una red internacional de ciencia abierta que conecta a expertos en machine learning y química computacional para impulsar el descubrimiento precompetitivo de fármacos. «Este proyecto reúne a científicos y empresas de distintas disciplinas dentro de un ecosistema de ciencia abierta. Es alentador ver cómo comunidades científicas tan diversas convergen en una visión común para generar y compartir con el mundo datos químicos valiosos de forma abierta», afirma Aled Edwards, CEO del Structural Genomics Consortium, que lidera el proyecto junto con Pfizer.
