1. Investigadores de la Universidad de Cambridge han desarrollado un enfoque de aprendizaje automático para acelerar la búsqueda de nuevas terapias para la enfermedad de Parkinson, identificando candidatos a fármacos prometedores diez veces más rápido y 1000 veces más rentable que los métodos tradicionales.
2. El sistema de IA utiliza simulaciones para seleccionar compuestos que podrían inhibir la agregación de la proteína alfa-sinucleína, la principal causa de la enfermedad de Parkinson. Luego entrena un modelo para predecir compuestos efectivos, examina rápidamente millones de candidatos potenciales y valida experimentalmente a los principales contendientes.
3. Los compuestos identificados por la IA son más potentes, diversos y eficaces que las estructuras conocidas anteriormente, lo que resulta prometedor para acelerar el proceso de descubrimiento de fármacos para el Parkinson y otras enfermedades caracterizadas por el mal plegamiento y la agregación de proteínas.
Investigadores de la Universidad de Cambridge han desarrollado un enfoque impulsado por IA para acelerar la búsqueda de nuevas terapias para la enfermedad de Parkinson. Al examinar millones de compuestos farmacológicos utilizando técnicas de aprendizaje automático, pudieron identificar candidatos prometedores diez veces más rápido y a un coste 1.000 veces menor que los métodos tradicionales. Esto es crucial ya que se espera que la prevalencia del Parkinson se triplique para 2040, sin que ningún tratamiento actual pueda frenar eficazmente su progresión.
El estudio, publicado en Nature Chemical Biology, describe un proceso de cinco pasos en el que se identifican compuestos prometedores mediante simulaciones y pruebas experimentales. Luego, estos resultados se utilizan para entrenar un modelo de aprendizaje automático para predecir estructuras moleculares efectivas para inhibir la agregación de proteínas asociada con el Parkinson. Luego, la IA analiza millones de compuestos para identificar los candidatos más potentes, que posteriormente se prueban en el laboratorio y los resultados se utilizan para perfeccionar aún más el modelo.
A través de este proceso iterativo, la tasa de optimización de la selección de compuestos aumentó del 4% a más del 20%, siendo los compuestos identificados por IA más potentes y químicamente diversos que los descubrimientos anteriores. El investigador principal, el profesor Michele Vendruscolo, destaca el impacto significativo del aprendizaje automático en el descubrimiento de fármacos, al permitir la identificación de múltiples candidatos prometedores simultáneamente debido a la reducción de tiempo y costo.
El estudio muestra el potencial de los enfoques basados en la IA en el descubrimiento de fármacos, no sólo para el Parkinson sino también para otras enfermedades caracterizadas por el plegamiento incorrecto de las proteínas. Si bien todavía queda un largo camino hasta la aprobación de estos candidatos, la colaboración de la IA con la biología experimental puede acelerar significativamente los esfuerzos de descubrimiento de fármacos en las primeras etapas. Este estudio se suma a una ola de investigaciones que utilizan la IA para descubrir tratamientos médicos innovadores, con resultados prometedores en el desarrollo de antibióticos y métodos de detección temprana de enfermedades. En última instancia, los métodos de IA tienen el potencial de revolucionar el campo de la medicina y la atención sanitaria en el futuro.
