La innovadora inteligencia artificial de la Facultad de Medicina de Harvard, PDGrapher, promete revolucionar el descubrimiento de fármacos al identificar combinaciones de genes y fármacos que restauran la salud de las células enfermas, ofreciendo esperanza para afecciones que antes eran resistentes al tratamiento.
Investigadores de la Facultad de Medicina de Harvard han desarrollado un modelo de inteligencia artificial pionero, PDGrapher, que podría acelerar significativamente el descubrimiento de fármacos al identificar genes y combinaciones de fármacos que pueden revertir estados patológicos en las células.
Esta innovadora herramienta representa un avance importante respecto de los métodos tradicionales de descubrimiento de fármacos y podría revelar tratamientos para enfermedades complejas que han eludido a los científicos durante años.
“El descubrimiento tradicional de fármacos se asemeja a probar cientos de platos preparados para encontrar uno con el sabor perfecto”, declaró en un comunicado de prensa Marinka Zitnik, autora principal y profesora asociada de informática biomédica en el Instituto Blavatnik de la Facultad de Medicina de Harvard. “PDGrapher trabaja como un chef experto que entiende cómo quiere que sea el plato y cómo combinar los ingredientes para lograr el sabor deseado”.
Un cambio de paradigma en el descubrimiento de fármacos
A diferencia de los enfoques convencionales que prueban un objetivo proteico o fármaco a la vez, PDGrapher examina múltiples impulsores de la enfermedad para identificar los genes con mayor probabilidad de revertir las células enfermas a un estado saludable.
La herramienta, detallada en un estudio publicado Hoy, en la revista Nature Biomedical Engineering, se pueden revelar los mejores objetivos individuales o combinados para tratamientos mediante el mapeo de vínculos biológicos complejos.
Cómo funciona PDGrapher
PDGrapher aprovecha una red neuronal gráfica para analizar las intrincadas relaciones entre genes, proteínas y vías de señalización dentro de las células.
Al simular los efectos de la modificación de componentes celulares específicos, la herramienta puede predecir las combinaciones de genes y medicamentos con más probabilidades de corregir la disfunción celular y restaurar la función saludable.
“En lugar de probar todas las recetas posibles, PDGrapher se pregunta: '¿Qué combinación de ingredientes convertirá este plato insípido o excesivamente salado en una comida perfectamente equilibrada?'”, añadió Zitnik.
Resultados prometedores
El equipo de investigación entrenó a PDGrapher con conjuntos de datos de células enfermas, tanto antes como después del tratamiento, lo que le permitió identificar objetivos genéticos que cambian las células de estados enfermos a estados saludables.
Luego validaron el modelo utilizando 19 conjuntos de datos de 11 tipos de cáncer.
Los resultados fueron sorprendentes: PDGrapher predijo con precisión objetivos farmacológicos conocidos e incluso identificó nuevos candidatos respaldados por evidencia emergente.
Un éxito notable incluyó la identificación de KDR (VEGFR2) como un objetivo para el cáncer de pulmón de células no pequeñas, en línea con los hallazgos clínicos.
Además, el modelo propuso TOP2A —un objetivo de quimioterapia— como tratamiento para ciertos tumores, corroborando estudios preclínicos recientes.
En comparación, PDGrapher clasificó los objetivos terapéuticos hasta un 35 % más alto y entregó resultados 25 veces más rápido que herramientas de IA similares, lo que subraya su eficiencia y precisión.
Implicaciones futuras
Este avance podría optimizar drásticamente el desarrollo de nuevos fármacos al centrarse en objetivos prometedores desde el principio. La herramienta de IA es especialmente prometedora para abordar enfermedades complejas como el cáncer, donde los tumores a menudo evaden los tratamientos dirigidos a una sola vía.
De cara al futuro, los investigadores prevén que PDGrapher facilite el diseño de tratamientos individualizados basados en el perfil celular del paciente. Además, la comprensión que el modelo ofrece de los factores biológicos que desencadenan las enfermedades podría impulsar nuevos descubrimientos biomédicos.
El equipo también está ampliando esta investigación a enfermedades cerebrales, como el Parkinson y el Alzheimer, y colaborando con el Centro de XDP del Hospital General de Massachusetts para explorar nuevos objetivos farmacológicos para trastornos neurodegenerativos.
"Nuestro objetivo final es crear una hoja de ruta clara de posibles formas de revertir la enfermedad a nivel celular", añadió Zitnik.
Fuente: Harvard Medical School