Mientras que la industria farmacéutica puede tardar años en crear medicamentos capaces de tratar o curar enfermedades humanas, un nuevo estudio sugiere que el uso de la inteligencia artificial generativa podría acelerar enormemente el proceso de desarrollo de fármacos.
Actualmente, la mayoría del descubrimiento de fármacos se lleva a cabo por químicos humanos que confían en su conocimiento y experiencia para seleccionar y sintetizar las moléculas adecuadas necesarias para convertirse en los medicamentos seguros y eficientes en los que dependemos. Para identificar las vías de síntesis, los científicos a menudo emplean una técnica llamada retrosíntesis, un método para crear posibles fármacos trabajando hacia atrás a partir de las moléculas deseadas y buscando reacciones químicas para crearlas.
Sin embargo, como filtrar millones de posibles reacciones químicas puede ser un esfuerzo extremadamente desafiante y que consume mucho tiempo, los investigadores de la Universidad Estatal de Ohio han creado un marco de inteligencia artificial llamado G2Retro para generar automáticamente reacciones para cualquier molécula dada. El nuevo estudio mostró que en comparación con los métodos actuales de planificación manual, el marco fue capaz de cubrir una enorme variedad de posibles reacciones químicas y discernir con precisión y rapidez qué reacciones podrían funcionar mejor para crear una molécula de fármaco dada.
"Usar la inteligencia artificial para cosas críticas para salvar vidas humanas, como la medicina, es en lo que realmente queremos enfocarnos", dijo Xia Ning, autora principal del estudio y profesora asociada de ciencias de la computación e ingeniería en Ohio State. "Nuestro objetivo era usar la inteligencia artificial para acelerar el proceso de diseño de fármacos, y descubrimos que no solo ahorra tiempo y dinero a los investigadores, sino que también proporciona candidatos a fármacos que pueden tener propiedades mucho mejores que cualquier molécula que exista en la naturaleza".
Este estudio se basa en investigaciones anteriores de Ning, donde su equipo desarrolló un método llamado Modof que podía generar estructuras moleculares que exhibían propiedades deseadas mejor que cualquier molécula existente. "Ahora la pregunta es cómo hacer tales moléculas generadas, y ahí es donde brilla este nuevo estudio", dijo Ning, también profesora asociada de informática biomédica en el College of Medicine.
El estudio fue publicado hoy en la revista Communications Chemistry.
El equipo de Ning entrenó a G2Retro en un conjunto de datos que contiene 40,000 reacciones químicas recopiladas entre 1976 y 2016. El marco "aprende" a partir de representaciones basadas en grafos de las moléculas dadas y utiliza redes neuronales profundas para generar posibles estructuras de reactantes que podrían usarse para sintetizarlas. Su poder generativo es tan impresionante que, según Ning, una vez que se le da una molécula, G2Retro podría llegar a cientos de nuevas predicciones de reacciones en solo unos minutos.
"Nuestro método AI generativo G2Retro puede suministrar múltiples rutas y opciones de síntesis diferentes, así como una forma de clasificar diferentes opciones para cada molécula", dijo Ning. "Esto no va a reemplazar los experimentos actuales en el laboratorio, pero ofrecerá más opciones y mejores opciones de fármacos para que los experimentos puedan ser priorizados y enfocados mucho más rápido".
Para probar aún más la eficacia del AI, el equipo de Ning realizó un estudio de caso para ver si G2Retro podría predecir con precisión cuatro fármacos recién lanzados que ya están en circulación: Mitapivat, un medicamento utilizado para tratar la anemia hemolítica; Tapinarof, que se utiliza para tratar diversas enfermedades de la piel; Mavacamten, un fármaco para tratar la insuficiencia cardíaca sistémica; y Oteseconazole, utilizado para tratar infecciones fúngicas en mujeres. G2Retro fue capaz de generar correctamente exactamente las mismas rutas de síntesis patentadas para estos medicamentos y proporcionó rutas de síntesis alternativas que también son factibles y útiles sintéticamente, dijo Ning.
Tener un dispositivo tan dinámico y efectivo a disposición de los científicos podría permitir a la industria fabricar fármacos más fuertes a un ritmo más rápido, pero a pesar de la ventaja que AI podría dar a los científicos dentro del laboratorio, Ning enfatiza que los medicamentos que G2Retro o cualquier AI generativo crea aún necesitan validarse, un proceso que implica la prueba de las moléculas creadas en modelos animales y luego en ensayos en humanos.
"Estamos muy emocionados por la inteligencia artificial generativa para la medicina, y nos dedicamos a usar la IA de manera responsable para mejorar la salud humana", dijo Ning.
Esta investigación fue apoyada por el Programa de Excelencia en Investigación del Presidente de Ohio State y la National Science Foundation. Otros coautores de Ohio State fueron Ziqi Chen, Oluwatosin Ayinde, James Fuchs y Huan Sun.
