Usar la IA para acelerar el descubrimiento de drogas

Uso de la IA para acelerar el descubrimiento de drogas

Priya Dialani

Usar la IA para acelerar el descubrimiento de drogas

Los avances en la inteligencia artificial (IA) han proliferado efectivamente en numerosos sectores, por ejemplo, la visión por computadora, el reconocimiento del habla y el procesamiento del lenguaje natural. En la actualidad, la inteligencia artificial se está extendiendo rápidamente en las regiones que requieren una considerable experiencia en la materia, por ejemplo, la biología, la química, lo que promete acelerar, mejorar las tasas de rendimiento y reducir los gastos de descubrimiento y desarrollo de medicamentos

Este nuevo patrón provocó una ola de publicaciones académicas en el campo del descubrimiento de fármacos alimentados por la IA, un gran número de nuevas empresas que desarrollaron nuevas metodologías y buscaron los modelos de negocio inventivos para cambiar el trabajo de innovación farmacéutica. El negocio farmacéutico también está reforzando sus capacidades internas en torno a reunir las fuentes de datos anteriormente segregadas, contratando científicos de datos y poniendo recursos en la infraestructura.

La inteligencia artificial puede utilizarse para la identificación de objetivos, en la configuración de drogas de sílice, la mejora de las drogas, el análisis de grandes datos, la previsión de las amenazas del estudio, el emparejamiento de pacientes y más. Por lo tanto, está siendo probada y desplegada por numerosas organizaciones farmacéuticas, algunas de las cuales están construyendo sus propias plataformas avanzadas de análisis de datos que utilizan la IA. Las áreas a las que se ha hecho referencia anteriormente pueden estar claras, pero «la inteligencia artificial puede incluso utilizarse para esbozar, en un lenguaje sencillo, documentos científicos y puede ayudar a dar una fase inicial a los propios documentos de las organizaciones». Aunque todavía debería haber un componente humano en el descubrimiento de drogas, la IA puede ser valiosa para eliminar los aspectos y enfoques clave de los datos y descubrir patrones.

Un ejemplo reciente es la colaboración entre Exscientia y Celgene, que se unieron para el descubrimiento de drogas en oncología y autoinmunidad. Han consentido en asociarse durante mucho tiempo para acelerar el descubrimiento de pequeños candidatos a fármacos terapéuticos.

Mejores drogas

En los últimos 50 años, más de 450 recetas en todo el mundo se han retirado del mercado después de su aprobación debido a respuestas adversas, siendo el daño hepático el síntoma más reconocido. Sin embargo, el metabolismo de las mezclas por los órganos, por ejemplo, el hígado es muy complejo y, como en el caso de la terbinafina, difícil de prever.

Este es en realidad el tipo de problema que el aprendizaje de la máquina puede ayudar a abordar y los datos son ahora accesibles para apoyar ese procedimiento. Por ejemplo, el programa Tox21 del gobierno de los EE.UU., una colaboración entre la Agencia de Protección Ambiental, los Institutos Nacionales de Salud y la Administración de Alimentos y Medicamentos, mantiene un enorme conjunto de datos de moléculas y su toxicidad contra proteínas humanas clave, forraje ideal para que la IA digiera en busca de patrones de relación entre estructura, propiedades, función y posibles impactos peligrosos.

Descubrimiento de la polifarmacología

Si bien «un objetivo una dolencia» ha sido una visión mundial dominante en la divulgación de la medicación durante bastante tiempo, se está haciendo evidente que numerosas dolencias son demasiado intrincadas para siquiera pensar en ser restauradas productivamente dentro de este paradigma. Un enfoque de descubrimiento de medicamentos con objetivos múltiples es un método prometedor para hacer medicamentos progresivamente eficaces.

A la luz de esto, Sanofi puso en marcha un acuerdo de 274 millones de dólares con Exscientia impulsada por la IA en 2017 para encontrar y crear pequeñas moléculas bispecíficas que traten la diabetes y sus comorbilidades. El papel de Exscientia será el de proponer conjuntos de objetivos, identificados con el control de la glucosa, la EHNA, el control del peso y diferentes áreas relacionadas con la diabetes, y crear ligandos de pequeñas moléculas biexplícitas utilizando una plataforma basada en la IA.

En la otra colaboración de investigación sobre Exscientia con Evotec, en 2016, se aplicó una técnica multiobjetivo comparable para encontrar y desarrollar tratamientos inmunooncológicos de moléculas pequeñas bispecíficas de primera clase. En cuanto a la situación con Sanofi, Exscientia ofrecerá algunos beneficios a Evotec mediante su plataforma impulsada por la IA para estructurar deliberadamente pequeñas moléculas bispecíficas que pueden dirigirse a numerosos objetivos a través de un único medicamento.

Tras la capacidad de Exscientia para encontrar moléculas pequeñas multiobjetivo, es fundamental tomar nota de la declaración de la puesta en marcha, en septiembre de 2015, sobre los resultados subyacentes para proporcionar un compuesto biespecífico de doble agonista que active selectivamente dos receptores GPCR de dos familias distintas, tras la colaboración previa con la empresa farmacéutica japonesa Sumitomo Dainippon Pharma.

El intercambio de datos es otro patrón en alza. Toda la premisa de la IA es que se necesitan conjuntos de datos de alta calidad y grandiosos para que la máquina aprenda y logre algo con un patrón adicional que los individuos están todavía comúnmente muy dispuestos a compartir su información en la máquina para aprender para un beneficio más notable de todos.

El Consorcio de Aprendizaje Automático para el Descubrimiento y la Síntesis de Productos Farmacéuticos del Instituto Tecnológico de Massachusetts (MIT), es un programa de intercambio de datos que incorpora organizaciones, por ejemplo, GlaxoSmithKline (GSK), AstraZeneca y Eli Lilly. Sus avances incorporan la automatización del diseño de moléculas para acelerar el desarrollo de drogas.

Con tanto entusiasmo por la IA, ha ido creciendo rápidamente; las nuevas mejoras han hecho que se ajuste a objetivos explícitos. La IA puede hacer montones de cosas inteligentes y rápidas con los conjuntos de datos, pero en general será progresivamente fructífera cuando esté extremadamente comprometida, como la obtención de imágenes para oncología, los descubrimientos de moléculas o la identificación de compuestos.

Usando la IA en un área particular, el descubrimiento de drogas puede resultar increíblemente exitoso. Esta es la pauta actual y es completamente crítica para acelerar los procesos de descubrimiento de drogas, ya que las principales organizaciones farmacéuticas se concentran frecuentemente en los usos explícitos de la IA.

La IA en el descubrimiento de drogasDescubrimiento de drogas

Leave a Comment!