Inteligencia artificial encuentra poderosa molécula antienvejecimiento
Encontrar nuevos medicamentos es una tarea costosa y que requiere mucho tiempo. Pero un tipo de inteligencia artificial de aprendizaje automático puede acelerar enormemente el proceso y hacer el trabajo por una fracción del precio. Por ejemplo, si buscamos algo que logre frenar el envejecimiento en humanos.
Crédito: MysteryPlanet.com.ar.
«Mis colegas y yo usamos recientemente esta tecnología para encontrar tres candidatos prometedores para medicamentos senolíticos, medicamentos que retrasan el envejecimiento y previenen enfermedades relacionadas con la edad», dijo Vanessa Smer-Barreto, investigadora del Instituto de Genética y Medicina Molecular de la Universidad de Edimburgo.
Los senolíticos funcionan matando las células senescentes. Estas son células que están «vivas» (metabólicamente activas), pero que ya no pueden replicarse, de ahí su apodo: «células zombi».
Pero la incapacidad de replicarse no es necesariamente algo malo. Estas células han sufrido daños en su ADN —por ejemplo, células de la piel dañadas por los rayos del sol—, por lo que detener la replicación detiene la propagación del daño.
Las células senescentes, en este caso, secretan un cóctel de proteínas inflamatorias que pueden propagarse a las células vecinas. A lo largo de la vida, nuestras células sufren un aluvión de agresiones, desde los rayos ultravioleta hasta la exposición a productos químicos, por lo que estas células se acumulan. Se ha implicado a un número elevado de células senescentes en una variedad de enfermedades, incluida la diabetes tipo 2, el COVID, la fibrosis pulmonar, la osteoartritis y el cáncer.
Los estudios en ratones de laboratorio han demostrado que la eliminación de las células senescentes mediante el uso de senolíticos puede mejorar estas enfermedades. Estos medicamentos pueden matar las células zombis mientras mantienen vivas las células sanas.
Se conocen alrededor de 80 senolíticos, pero solo dos se han probado en humanos —una combinación de dasatinib y quercetina—. Sería genial encontrar más senolíticos que puedan usarse en una variedad de enfermedades, pero se necesitarían de 10 a 20 años y miles de millones de dólares para que un medicamento llegue al mercado… A menos claro, que contemos con la ayuda de una inteligencia no humana, la inteligencia artificial (IA).
Resultados en cinco minutos
«Mis colegas y yo, incluidos investigadores de la Universidad de Edimburgo y el Consejo Superior de Investigaciones Científicas IBBTEC-CSIC en Santander, España, queríamos saber si podíamos entrenar modelos de aprendizaje automático para identificar nuevos candidatos a fármacos senolíticos», comentó Smer-Barreto.
«Para hacer esto, alimentamos los modelos de IA con ejemplos de senolíticos y no senolíticos conocidos. Los modelos aprendieron a distinguir entre los dos y podrían usarse para predecir si las moléculas que nunca antes habían visto también podrían ser senolíticos», añadió.
Cuando se resuelve un problema de aprendizaje automático, generalmente se prueban primero los datos en una variedad de modelos diferentes, ya que algunos de ellos tienden a funcionar mejor que otros. Para determinar el modelo de mejor rendimiento, al comienzo del proceso, se separa una pequeña sección de los datos de entrenamiento disponibles y se mantienen ocultos del modelo hasta que finaliza el proceso de entrenamiento. Luego se utilizan estos datos de prueba para cuantificar cuántos errores está cometiendo el modelo. El que comete menos errores, gana.
«Determinamos nuestro mejor modelo y lo configuramos para hacer predicciones. Le dimos 4.340 moléculas y cinco minutos después entregó una lista de resultados», detalló la investigadora.
El modelo de IA identificó 21 moléculas con la puntuación más alta que consideró que tenían una alta probabilidad de ser senolíticos.
«Si hubiéramos probado las 4.340 moléculas originales en el laboratorio, se habrían necesitado al menos unas pocas semanas de trabajo intensivo y 50.000 libras esterlinas solo para comprar los compuestos, sin contar el costo de la maquinaria experimental y la instalación», dijo Smer-Barreto.
Los investigadores probaron estos candidatos a fármacos en dos tipos de células: sanas y senescentes. Los resultados mostraron que de los 21 compuestos, tres (periplocina, oleandrina y ginkgetina) fueron capaces de eliminar las células senescentes, manteniendo vivas a la mayoría de las células normales. Estos nuevos senolíticos luego se sometieron a más pruebas para aprender más sobre cómo funcionan en el cuerpo.
La oleandrina es un compuesto que se encuentra en la planta de la adelfa (Nerium oleander).
Experimentos biológicos más detallados mostraron que, de los tres fármacos, la oleandrina fue más eficaz que el fármaco senolítico conocido de mejor rendimiento de su clase.
Las repercusiones potenciales de este enfoque interdisciplinario, que involucra a científicos de datos, químicos y biólogos, son enormes. Con suficientes datos de alta calidad, los modelos de IA pueden acelerar el increíble trabajo que realizan los químicos y biólogos para encontrar tratamientos y curas para enfermedades, especialmente aquellas con necesidades no cubiertas.
«Habiéndolos validado en células senescentes, ahora estamos probando los tres senolíticos candidatos en tejido pulmonar humano. Esperamos informar nuestros próximos resultados dentro de dos años», concluyó Smer-Barreto.
Fuente: The Conversation. Edición: MP.
