Aplican técnicas de Machine Learning al desarrollo de nuevos fármacos antitumorales

Investigadores de la Universidad de Cambridge desarrollan un método capaz de predecir las dianas terapéuticas de nuevos fármacos anticancerígenos.

Investigadores de la Universidad de Cambridge han construido un nuevo método para el desarrollo de fármacos antitumorales basado en el aprendizaje automático, también conocido como machine learning. Mediante este método han sido capaces de identificar las dianas terapéuticas de un conjunto de fármacos sin la necesidad de sintetizarlos, lo que supone un enorme avance en el desarrollo de nuevos agentes antitumorales. Este trabajo ha sido recientemente publicado en la revista de la Royal Society of Chemistry, Chemical Communications.

En su investigación, el grupo del profesor Gonçalo Bernardes se ha centrado en el estudio del Celastrol, un compuesto con propiedades de gran interés, entre las que destacan su actividad anticancerígena y antitumoral. Pero pese a su potencial clínico, hasta el momento se desconocía el modo en que interacciona con el organismo, lo que dificulta el desarrollo preclínico de los fármacos.

Con el fin de profundizar en la forma en que el Celastrol interviene en los sistemas biológicos, este grupo de investigación ha hecho uso de la inteligencia artificial para determinar cuáles son las dianas biológicas sobre las que actúa este fármaco. En particular, han desarrollado un nuevo método de modelización teórica que han denominado DEcRyPT. Este sistema, basado en el aprendizaje automático (o machine learning), es capaz de identificar los elementos biológicos con los que más fácilmente puede interaccionar el fármaco estudiado. Es más, durante los estudios, el DEcRyPT ha localizado nuevas dianas con las que poder interaccionar, revelando una biología ignorada hasta el momento.

En las propias palabras de los autores: “hemos sido capaces de dar luz a la parte oculta de la farmacología del Celastrol usando la inteligencia artificial para poder cuantificar y predecir de forma precisa la interacción del ligando con sus distintas dianas”.

En el trabajo, los propios autores han comprobado experimentalmente las predicciones teóricas de su modelo. De esta forma, han observado que el Celastrol tiene un mayor impacto anticancerígeno sobre aquellos tumores que previamente habían sido identificados por el DEcRyPT como dianas idóneas.

La importancia de este desarrollo radica en su aplicación al resto de fármacos. Este grupo de investigadores ha demostrado que el aprendizaje automático no es una herramienta útil solamente para este compuesto, sino que se puede aplicar a todos los fármacos anticancerígenos. Con esto se puede conseguir entender con mucha más precisión de qué forma actúan estos fármacos en los organismos, lo que resulta clave para el diseño de nuevos productos mucho más efectivos.

El trabajo ha sido desarrollado gracias a una colaboración entre la Universidad de Cambridge e investigadores del Instituto de Medicina Molecular João Lobo Antunes, de la Universidad de Lisboa.