La inteligencia artificial es capaz de diseñar fármacos basándose en el machine learning y en el empleo de modelos de aprendizaje basadas en previsiones y en las propiedades de los fármacos.
En los últimos años, la inteligencia artificial (IA) ha surgido en el campo del descubrimiento de fármacos. El diseño de fármacos de la IA se ha desarrollado a partir de la cadena del sistema simplificado de entrada de datos moleculares (SMILES) a una red neuronal gráfica que ha mejorado la precisión y la eficiencia del descubrimiento del diseño de fármacos. La IA no sólo es capaz de diseñar fármacos basándose en el modelo de aprendizaje profundo entrenado, sino que también puede emplear modelos de aprendizaje profundo para las predicciones de la retrosíntesis y las propiedades de los fármacos, como la ADMET (absorción, distribución, metabolismo, excreción y toxicidad). La IA se considera una forma prometedora de encontrar más candidatos a compuestos y aumentar la tasa de éxito de los ensayos clínicos de estos candidatos.
El profesor Qifeng Bai, que trabaja en la Universidad de Lanzhou (China), cree que la IA hará evolucionar el diseño de fármacos 3D de novo a partir del diseño de fármacos 1D o 2D. El grupo de Bai ha desarrollado un software llamado MolAICal que puede diseñar ligandos 3D en el bolsillo de las dianas de la enfermedad mediante IA y algoritmos clásicos.
Herramienta basada en redes neuronales
Con el desarrollo de la tecnología de IA, se ha desarrollado la IA para el acoplamiento molecular de fármacos. Por ejemplo, GNINA es una excelente herramienta basada en redes neuronales convolucionales (CNN) -redes neuronales utilizadas principalmente para analizar imágenes visuales- para el acoplamiento molecular. Además, la simulación de dinámica molecular (MD) es un medio dinámico que puede mejorar la precisión del diseño de fármacos.
Aunque la simulación MD se considera una forma más precisa que el diseño estacionario de fármacos de novo, cuesta tiempo y recursos informáticos tratar con el espacio estructural de alta dimensión de los grandes sistemas complejos simulados. La IA puede proporcionar una forma eficaz y económica de tratar los grandes datos de las simulaciones MD, y desempeñar un papel importante en el diseño estacionario y dinámico de fármacos 3D para el beneficio del ser humano.
El Dr. Horacio Pérez-Sánchez, que dirige el grupo de investigación de Bioinformática Estructural y Computación de Alto Rendimiento (BIO-HPC) de la UCAM Universidad Católica de Murcia, cree que, aunque nos demos cuenta de los extraordinarios resultados obtenidos en la última década con las redes neuronales y otras arquitecturas de aprendizaje automático, también deberíamos entender por qué se hacen esas predicciones y cómo. Ese es el principal objetivo de los métodos de Aprendizaje Automático Interpretable (IML) que han ido ganando popularidad en los últimos cinco años para proporcionar esa información y reglas sobre el funcionamiento interno y la lógica de esas «cajas negras» y que pueden ayudar enormemente en todos los campos del descubrimiento de fármacos.
AlphaFold2 ha demostrado ser de gran valor para la IA, la biología y la medicina. Inspira a los académicos y a la industria a desarrollar más herramientas de IA para el descubrimiento de fármacos, reduciendo el coste y el tiempo de comercialización. Varias direcciones han progresado, incluyendo un método de salto de andamiaje basado en IA para saltar de la protección de patentes para nuevos fármacos, predicción de la estructura de la proteína, cribado virtual, química generativa, predicción ADMET y planificación de la ruta sintética basada en modelos de aprendizaje profundo. Los problemas a los que se enfrenta el descubrimiento de fármacos también conducen al desarrollo del aprendizaje profundo, como el Graph Learning profundo, el aprendizaje profundo basado en la física, los modelos basados en la energía, etc.
En general, la IA se ha introducido gradualmente en todas las etapas del descubrimiento de fármacos, incluidos los estudios preclínicos y los ensayos clínicos de las fases I, II, III, IV, etc. Creemos que la IA acelerará la velocidad de desarrollo de medicamentos y ayudará a la humanidad a superar más enfermedades.
