Un grupo de investigadores del Consejo Superior de Investigaciones Científicas (CSIC), de la Universidad Pontificia Comillas y la empresa AItenea Biotech han diseñado, con la ayuda de la Inteligencia Artificial (IA), una molécula con "potencial" para el tratamiento de enfermedades como el Alzheimer y el cáncer.
El trabajo ha sido publicado en la revista Journal of Medicinal Chemistry, y se ha centrado en la proteína DYRK1A, cuya sobreexpresión está implicada en enfermedades como el síndrome de Down, el Alzheimer y ciertos tipos de tumores, y cuya inhibición puede ayudar a prevenir o ralentizar procesos patológicos como la acumulación de proteínas tau hiperfosforiladas, asociadas a la neurodegeneración, tal y como ha explicado la investigadora del Centro de Investigaciones Biológicas Margarita Salas (CIB-CSIC) y coautora principal del artículo, Nuria E. Campillo.
El diseño de esta nueva familia de compuestos se ha logrado gracias a una innovadora estrategia computacional basada en IA generativa y modelos predictivos, combinados con técnicas tradicionales como el acoplamiento molecular y cálculos de teoría del funcional de la densidad, lo que les ha posibilitado crear moléculas terapéuticas desde cero, incluso cuando los datos experimentales son limitados.
Otro de los autores principales, Simón Rodríguez, de la Universidad Pontificia Comillas, ha explicado que el modelo integra diversos enfoques para generar "miles de nuevas moléculas" y realizar predicciones "más robustas y fiables".
Entre estos compuestos se encuentra pirazolil-1H-pirrolo[2,3-b]piridina, que ha mostrado una "potente" inhibición de DYRK1A a nivel nanomolar, así como propiedades antioxidantes y antiinflamatorias o una buena permeabilidad cerebral, algo "imprescindible" para atravesar la barrera hematoencefálica y poder funcionar terapéuticamente.
"Esta estrategia acelera tremendamente el proceso de diseño de nuevas moléculas que, con los métodos habituales, requería muchos años", ha asegurado el coautor del estudio y profesor de investigación del CSIC en el Instituto de Ciencias Matemáticas (ICMAT), David Ríos Insua.
El equipo investigador también ha empleado los modelos de relación cuantitativa estructura-actividad (QSAR) para mejorar "significativamente" la precisión de la predicción de las propiedades biológicas de los compuestos, tanto la "afinidad" de las moléculas con DYRK1A como su posible toxicidad,
Tras identificar a los "mejores candidatos" se ha procedido a sintetizarlos y evaluarlos a través de ensayos enzimáticos y celulares, tras lo que optimizarán los compuestos identificados y los someterán a evaluación en modelos preclínicos.
Los científicos también refinarán las moléculas a través de una integración directa de los modelos QSAR con los generativos, y desarrollarán otros modelos para complementar la predicción de la toxicidad y para hacer más específica la formulación; además, se estudiará la posible combinación con técnicas de aprendizaje por refuerzo.
Estos protocolos son adaptables a otros objetivos terapéuticos, por lo que pueden ser aplicados en la búsqueda de tratamientos para numerosas enfermedades, lo que demuestra cómo la integración de la IA con los métodos tradicionales puede "revolucionar" el diseño de fármacos.