Actualmente, la enfermedad de Parkinson afecta a más de seis millones de personas en todo el mundo. Una cifra que se espera se triplique para el 2040. Es una enfermedad que no solo afecta al sistema motor, sino que también tiene su incidencia en el sistema gastrointestinal, el sistema nervioso, los patrones de sueño, el estado de ánimo y la cognición, y puede contribuir a una calidad de vida reducida y una discapacidad significativa. Aunque, ahora mismo no existen tratamientos modificadores para la enfermedad que estén disponibles, con la llegada de algunos estudios, se espera la apertura de nuevas líneas de investigación.
Los investigadores de la Universidad de Cambridge han diseñado una estrategia que usa la Inteligencia Artificial para identificar los compuestos que bloquean la agregación de la alfa-sinucleína, la proteína que caracteriza el párkinson. Esta investigación ha sido desarrollada en el Laboratorio de Química de la Salud en Cambridge, con el apoyo del Fondo de Inversión en Investigación de la Asociación del Reino Unido (UKRPIF) para promover la traducción de la investigación académica en programas clínicos. Y, sus resultados fueron publicados en la revista Nature Chemical Biology.
“El aprendizaje automático está acelerando todo el proceso de identificación de los candidatos más prometedores"
El equipo ha realizado la investigación a través de la utilización de técnicas de aprendizaje automático con el objetivo de examinar rápidamente una biblioteca química que contenía millones de entradas. Consiguieron identificar cinco compuestos muy potentes para una mayor investigación. En ese sentido, el proceso de selección de grandes bibliotecas químicas, que buscan candidatos a fármacos supone un enorme gasto de recursos financieros y de tiempo. Además, debe realizarse mucho antes de que se puedan probar tratamientos potenciales en pacientes, y no siempre resulta exitoso. Ahora, a través del aprendizaje automático, los investigadores han sido capaces de acelerar hasta diez veces los procesos de detección precoz, y reducir su coste. Este hallazgo podría suponer un importante beneficio para los pacientes que recibirían un diagnóstico, y por tanto, tratamiento temprano.
En las personas con párkinson, las proteínas, responsables de importantes procesos celulares, se vuelven rebeldes y provocan la muerte de las células nerviosas. Cuando las proteínas se pliegan mal, pueden llegar a formar grupos anormales llamados cuerpos de Lewy, que se acumulan dentro de las células cerebrales impidiéndoles funcionar correctamente.
Michele Vendruscolo, el profesor del Departamento de Química Yusuf Hamied, explica este nuevo horizonte: "Una ruta para buscar tratamientos potenciales para la enfermedad de Parkinson requiere la identificación de pequeñas moléculas que puedan inhibir la agregación de alfa-sinucleína, que es una proteína estrechamente asociada con la enfermedad". Por otro lado, "este es un proceso que requiere mucho tiempo: simplemente identificar un candidato principal para realizar más pruebas puede llevar meses o incluso años", incide.
El equipo de Cambridge desarrolló un método de aprendizaje automático para analizar bibliotecas químicas
Uno de los obstáculos de la investigación para encontrar un tratamiento es que no se ha aprobado ningún fármaco modificador de la enfermedad, lo que refleja la incapacidad de atacar directamente las especies moleculares que causan la enfermedad. Esto es debido a la falta de métodos capaces de identificar los objetivos moleculares correctos y colaborar con ellos. Una brecha tecnológica ha obstaculizado el desarrollo de tratamientos eficaces.
APRENDIZAJE AUTOMÁTICO
Ante ello, el equipo de Cambridge desarrolló un método de aprendizaje automático para analizar bibliotecas químicas. Más tarde, las pruebas que se llevaron se basaron en la selección de los inhibidores de agregación más potentes de un pequeño número de compuestos de primer nivel. La información que se recopiló se devolvió al modelo de IA para que pudiera identificar los compuestos. Vendruscolo, codirector del Centro de Enfermedades de Plegado Erróneo explica el procedimiento digital: “Al utilizar el conocimiento que obtuvimos de la selección inicial con nuestro modelo de aprendizaje automático, pudimos entrenar el modelo para identificar las regiones específicas de estas pequeñas moléculas responsables de la unión, luego podemos volver a seleccionar y encontrar moléculas más potentes".
Gracias a este método, el equipo fue capaz de desarrollar compuestos para atacar las bolsas en las superficies de los agregados. Estas se encargan de la proliferación exponencial de los propios agregados. Y los compuestos diseñados son más potentes y baratos de desarrollar que los anteriores. El codirector del Centro de Enfermedades de Plegado Erróneo afirma que el aprendizaje automático “está teniendo un impacto real en el descubrimiento de fármacos: está acelerando todo el proceso de identificación de los candidatos más prometedores". Emocionado con el proyecto, Vendruscolo añade: “Para nosotros, esto significa que podemos empezar a trabajar en múltiples programas de descubrimiento de fármacos, en lugar de solo uno. Mucho es posible gracias a la enorme reducción tanto de tiempo como de costos: es un momento emocionante”.