Algoritmo ayudaría a descubrir nuevos fármacos

México, 12 Feb (Notimex).- Un grupo de científicos, liderados por la Universidad de Cambridge, diseñó un algoritmo de aprendizaje automático para el descubrimiento de fármacos, lo que podría acelerar el desarrollo de nuevos tratamientos.

Los investigadores usaron su algoritmo, cuya eficiencia es del doble que el estándar, para identificar cuatro nuevas moléculas que activan la proteína que se cree es relevante para los síntomas del Alzheimer y esquizofrenia.

Un problema clave en el descubrimiento de fármacos es predecir si una molécula activará un proceso fisiológico particular, señaló la Universidad de Cambridge en un comunicado.

Es posible construir un modelo estadístico mediante la búsqueda de patrones químicos compartidos entre las moléculas que se sabe activan el proceso.

Sin embargo, los datos para construir los métodos son limitados debido al alto costo de los experimentos, además de no tener claro qué patrones químicos son significativos.

El algoritmo desarrollado por el doctor Alpha Lee y sus colegas, en colaboración con la farmacéutica Pfizer, usa matemáticas para separar los patrones químicos relevantes de los que no lo son.

El nuevo método analiza las dos moléculas que se sabe están activas y las inactivas, así aprende a reconocer qué partes de las moléculas son importantes para la acción del fármaco y cuáles no.

La metodología permite a los investigadores extraer patrones químicos importantes no sólo de las moléculas que están activas, sino también de las inactivas, de este modo, los experimentos fallidos ahora se pueden explotar con esta técnica.

Los investigadores edificaron un modelo a partir de 222 moléculas activas, para analizar por computadora seis millones de moléculas adicionales.

Después, los expertos compraron y analizaron las 100 moléculas más relevantes. Luego, identificaron cuatro nuevas moléculas que activan el receptor CHRM1, proteína que puede ser relevante para la enfermedad de Alzheimer y esquizofrenia.

“La capacidad de extraer cuatro moléculas activas de seis millones es como encontrar una aguja en un pajar. Una comparación directa muestra que nuestro algoritmo es dos veces más eficiente que el estándar de la industria”, dijo Lee.

Los investigadores de Cambridge en la actualidad realizan algoritmos que predicen formas de sintetizar moléculas orgánicas complejas, además de extender la metodología de aprendizaje automático al descubrimiento de materiales.

NTX/ICB/MAG