Aceleración espectacular en la búsqueda de nuevos medicamentos gracias a la inteligencia artificial

En sus esfuerzos por encontrar nuevas sustancias con utilidad farmacológica, los investigadores suelen recurrir al cribado rápido asistido por ordenador de grandes bibliotecas de compuestos para identificar agentes que puedan bloquear una diana farmacológica. Esta diana puede ser, por ejemplo, una enzima que permite a una bacteria resistir a los antibióticos o a un virus infectar a su hospedador. El tamaño de estas colecciones de sustancias orgánicas ha experimentado un enorme aumento en los últimos años. Dado que las bibliotecas crecen más rápido que la velocidad de los ordenadores necesaria para procesarlas, el cribado de una biblioteca moderna de miles de millones de compuestos para una única diana farmacológica puede llevar varios meses o hasta más de un año, incluso utilizando supercomputadoras de última generación. Por tanto, es evidente que se necesitan métodos mucho más rápidos.

Un equipo integrado, entre otros, por Ina Pöhner y Toni Sivula, de la Universidad del Este de Finlandia, estudió la posibilidad de utilizar el aprendizaje automático (una modalidad de inteligencia artificial) para acelerar los cribados virtuales de cantidades astronómicas de sustancias químicas.

Antes de aplicar la inteligencia artificial para acelerar el cribado, los investigadores establecieron una base de referencia: En una campaña de cribado virtual de un tamaño sin precedentes, se evaluaron 1.560 millones de moléculas para dos dianas farmacológicamente relevantes a lo largo de casi seis meses con la ayuda de las supercomputadoras Mahti y Puhti, y también se evaluó su nivel de facilidad de acoplamiento molecular. Para esto último, se empleó una técnica computacional que ajusta las moléculas pequeñas a una región de unión de la diana y calcula una puntuación para expresar lo bien que se ajustan. Así, primero se determinaron las puntuaciones de facilidad de acoplamiento de los 1.560 millones de moléculas.

Recreación artística del concepto de usar inteligencia artificial en el diseño de fármacos. (Imagen: Ina Pöhner)

A continuación, los resultados se compararon con un cribado potenciado por aprendizaje automático, mediante HASTEN, una herramienta desarrollada por Tuomo Kalliokoski, de Orion Pharma, miembro del equipo de investigación.

Con solo el 1 por ciento de toda la biblioteca examinada para determinar su facilidad de acoplamiento, y empleando la información obtenida de ese 1 por ciento para entrenar a la herramienta, esta identificó correctamente el 90% de los compuestos con mejor puntuación en menos de diez días.

Pöhner, Sivula y sus colegas exponen los detalles técnicos del sistema HASTEN y de lo que puede hacer en la revista académica Journal of Chemical Information and Modeling, bajo el título “Learning-Boosted Docking Enables the Efficient Structure-Based Virtual Screening of Giga-Scale Enumerated Chemical Libraries”. (Fuente: NCYT de Amazings)