Investigadores españoles diseñan con inteligencia artificial una molécula con “potencial” para tratar Alzheimer y cáncer

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, una molécula con “potencial” para tratar enfermedades como el Alzheimer y el cáncer.

La investigación, publicada en la revista Journal of Medicinal Chemistry, se ha centrado en la proteína DYRK1A, cuya sobreexpresión se asocia a patologías como el síndrome de Down, el Alzhéimer y ciertos tipos de tumores. Algunos estudios recientes, explica la investigadora del Centro de Investigaciones Biológicas Margarita Salas (CIB-CSIC) y coautora principal del artículo, Nuria E. Campillo, indican que “su inhibición puede contribuir a prevenir o ralentizar procesos patológicos, como la acumulación de proteínas tau hiperfosforiladas, relacionadas con la neurodegeneración”.

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. La investigación demuestra, por tanto, cómo la colaboración entre inteligencia artificial y métodos tradicionales puede transformar el diseño de fármacos y ofrecer alternativas para abordar enfermedades complejas.

“Esta estrategia acelera tremendamente el proceso de diseño de nuevas moléculas que, con los métodos habituales, requería muchos años”, explica David Ríos Insua, profesor de investigación del CSIC en el Instituto de Ciencias Matemáticas (ICMAT) y coautor del estudio.

Representaciones moleculares en forma de grafos

Los investigadores explican, asimismo, que el nuevo protocolo se basa en un modelo generativo jerárquico construido sobre representaciones moleculares en forma de grafos. “Este modelo integra diversos enfoques para emplear motivos estructurales flexibles y de mayor tamaño como unidades básicas de la generación de moléculas”, señala Rodríguez. Estos motivos, que son patrones recurrentes en la estructura tridimensional de las moléculas, les otorgan la capacidad de cumplir funciones biológicas esenciales, de modo que pueden generar miles de nuevas moléculas, incluso a partir de conjuntos de datos experimentales limitados, y realizar predicciones más robustas y fiables.

La combinación, añaden, de los modelos de relación cuantitativa estructura-actividad, potenciados por inteligencia artificial, en un sistema conjunto “mejoró de forma significativa la precisión en la predicción de la actividad biológica”.

Predecir la toxicidad

Los mejores candidatos identificados con este procedimiento se han sintetizado y evaluado mediante ensayos enzimáticos y celulares, indican los investigadores, de forma que los próximos pasos incluyen la optimización de los compuestos identificados y su evaluación en modelos preclínicos. Además, se desarrollarán otros modelos para complementar la predicción de la toxicidad y para hacer más específica la formulación, por ejemplo, evitando la afinidad con otras proteínas. También, se estudiará la posible combinación con técnicas de aprendizaje por refuerzo, añade desde el CSIC en un comunicado.

Por último insisten en que la adaptabilidad del protocolo a otros objetivos terapéuticos abre nuevas posibilidades en la búsqueda de tratamientos para distintas enfermedades.