En el ámbito de la neurociencia y la farmacología, el uso de la inteligencia artificial (IA), como en muchos otros ámbitos, ha marcado un antes y un después.

Un ejemplo de esto es el trabajo que investigadores han llevado a cabo utilizado la herramienta de predicción de estructuras de proteínas, AlphaFold, desarrollada por DeepMind en Londres, para identificar cientos de miles de potenciales nuevas moléculas psicodélicas, un descubrimiento que abre un nuevo horizonte en la búsqueda de antidepresivos innovadores.

La revolución de AlphaFold en el descubrimiento de medicamentos

AlphaFold se ha posicionado como un cambio radical en la forma en que se realizan estos análisis, ya que su base de datos pública ofrece predicciones estructurales de casi todas las proteínas conocidas.

Estas estructuras son cruciales en la industria farmacéutica para identificar, mejorar y/o desarrollar nuevos medicamentos prometedores.

Sin embargo, existían dudas sobre si las predicciones de AlphaFold podrían reemplazar a los modelos experimentales en la búsqueda de nuevos fármacos.

Jens Carlsson, químico computacional de la Universidad de Uppsala, afirma:

AlphaFold es una revolución absoluta. Si tenemos una buena estructura, deberíamos poder usarla para el diseño de fármacos.

Escepticismo y predicciones poco confiables

A pesar del entusiasmo inicial, hubo un gran escepticismo, ya que como Brian Shoichet, químico farmacéutico de la Universidad de California en San Francisco, señala, muchas veces las predicciones de AlphaFold fueron menos útiles en la identificación de posibles medicamentos. que las estructuras de proteínas obtenidas mediante los tradicionales métodos experimentales, como la cristalografía de rayos X.

El método más común en las primeras etapas del desarrollo de fármacos implica modelar cómo interactúan cientos de millones de químicos con regiones clave de una proteína objetivo, con la esperanza de identificar compuestos que alteren su actividad.

Pero estudios anteriores habían demostrad que cuando se usaban estructuras predichas por AlphaFold, los modelos eran menos eficaces en identificar medicamentos incluso ya conocidos.

Avances y novedades

Sin embargo, los investigadores liderados por Shoichet y Roth, biólogos estructurales de la Universidad de Carolina del Norte en Chapel Hill, encontraron que en la actualidad, las estructuras de AlphaFold fueron capaces de identificar exitosamente drogas que activaban receptores específicos de serotonina de una más más potente, en una ruta ya conocida por la cual funcionan psicodélicos como el LSD, razón por la cual muchos investigadores trabajan en compuestos no alucinógenos como posibles antidepresivos.

Carlsson y su equipo encontraron que las estructuras de AlphaFold habían sido eficientes en identificar medicamentos para los llamados receptores acoplados a proteínas G, con una tasa de éxito de alrededor del 60%.

Conclusiones

Carlsson señala que si bien las herramientas como AlphaFold no reemplazarán completamente a la experimentación tradicional, su potencial para ayudar a encontrar nuevos medicamentos no debe subestimarse.

Encontrar el equilibrio correcto or ahora es difícil.

Este avance no solo es un testimonio del poder de la inteligencia artificial en la ciencia moderna, sino también un recordatorio de que la colaboración entre la tecnología y la experimentación tradicional es fundamental para el futuro de la farmacología.

Recomendamos

Escribe un Comentario