MODELO DE INTELIGENCIA ARTIFICIAL PARA DESARROLLO DE FÁRMACOS

MODELO DE INTELIGENCIA ARTIFICIAL PARA DESARROLLO DE FÁRMACOS

10 septiembre, 2021 0 Por Rene Davila

Foto: Internet. Premio a la Investigación Médica 2021 Dr. Jorge Rosenkranz.

Fuente: Cinvestav.

La insulina terapéutica es quizá el péptido más conocido y empleado de este tipo de medicamentos, pero desde su aparición en la década de 1920 a la fecha, son solo alrededor de 60 de estos productos los que se comercializan a gran escala, aunque en los últimos años su estudio se ha incrementado gracias al avance de la tecnología.

Entre los grupos de investigación enfocados a la investigación de los péptidos terapéuticos figura el encabezado por Fabien Plisson, catedrático Conacyt adscrito al Centro de Investigación y Estudios Avanzados (Cinvestav), el cual fue reconocido con el Premio a la Investigación Médica 2021 Dr. Jorge Rosenkranz, en la categoría de Biotecnología, por el desarrollo de una técnica basada en inteligencia artificial para el desarrollo de nuevos fármacos.

La mayoría de los péptidos encontrados en la naturaleza, deben enfrentar numerosos obstáculos para permitir sus aplicaciones en enfermedades humanas, su dificultad de emplearlos en términos terapéuticos, se debe a que su investigación es considerada una inversión de alto riesgo, debido a la falta de estabilidad metabólica, labilidad durante el almacenamiento, mala biodisponibilidad oral o toxicidades indeseables. Eso representa un ejercicio de optimización multiparamétrico. Al final, el desarrollo de péptidos como antibióticos o anticancerígenos puede resultar costoso en términos de tiempo, recursos humanos y equipo.

Sin embargo, los amplios beneficios que ofrecen los péptidos terapéuticos, hace necesarias técnicas que hagan frente a los desafíos de producción. Por ello, el sistema de modelación de péptidos, desarrollado en la Unidad de Genómica Avanzada (UGA-Langebio) del Cinvestav, se convierte en una herramienta de gran utilidad para diversos grupos de investigación, interesados en las alternativas terapéuticas basadas en péptidos.

Se trata de un ensamble de modelos predictivos basados en inteligencia artificial, con el cual se pueden identificar, desde etapas tempranas, la toxicidad que presenta un péptido y, de así resultar, el sistema ayuda a modificar sus estructuras para disminuir los efectos tóxicos sin perturbar o disminuir las actividades antibacterianas, antifúngicas, anticancerígenas o antivirales del producto.

“El sistema tiene dos interfaces independientes, la primera es un modelo predictivo que verifica virtualmente librerías de péptidos, y brinda certidumbre sobre la toxicidad de cada secuencia sometida. El otro, es un escaneo mutacional profundo, el cual genera todos los mutantes individuales (a partir de sustituir aminoácidos), derivados de un péptido candidato antes de predecir la toxicidad de cada secuencia. Este interfaz ayuda a predecir las posiciones claves (aminoacidos) asociadas a la toxicidad de los péptidos a través de una secuenciación”.

En conjunto con otros modelos predictivos, el sistema permite optimizar los residuos importantes de un péptido a sus actividades antimicrobiana, antiviral o anticancerígena, mientras tanto, reduce la toxicidad general. Al estar basado en inteligencia artificial, el sistema emplea una base de datos con todo el conocimiento generado a través de la literatura científica para que, en cuestión de minutos, pueda ofrecer resultados sobre las secuenciaciones de péptidos con ciertas características y saber si presenta o no toxicidad.