La principal función de la industria farmacéutica es fabricar, preparar y comercializar medicamentos para poder tratar y prevenir numerosas enfermedades. Por eso, hay algunas compañías que han decidido incorporarse al mundo de la Inteligencia Artificial (IA) para descubrir nuevos fármacos.
A través de los modelos de aprendizaje automáticos, proponen nuevas moléculas con propiedades específicas que pueden combatir determinadas enfermedades, haciendo en minutos lo que a los humanos les llevaría meses conseguir manualmente.
El gran problema que frena a estos sistemas es que, a menudo sugieren nuevas estructuras moleculares que son difíciles o imposibles de producir en un laboratorio. Es decir, si un químico no puede hacer la molécula, sus propiedades para combatir enfermedades no pueden probarse.
Investigadores del Instituto de Tecnología de Massachusetts (MIT) han creado un nuevo modelo de aprendizaje automático para que solo sugiera estructuras moleculares que se puedan sintetizar, lo que garantiza que las moléculas estén compuestas por materiales que se pueden comprar y que las reacciones químicas que ocurren entre ellos siguen las leyes de esta ciencia.
Este nuevo modelo de aprendizaje automático solo sugiere estructuras moleculares que se puedan sintetizar, lo que garantiza que las moléculas estén compuestas por materiales que se pueden comprar y que las reacciones químicas que ocurren entre ellos siguen las leyes de esta ciencia
En comparación con otros, el modelo del MIT propone estructuras moleculares que obtienen una puntuación igual de alta o en algunos casos mejor que los sistemas tradicionales. De esta forma, una de sus cualidades es que, tarda menos de un segundo en proponer una vía en la que a través de una búsqueda se pueden incluir millones de moléculas potenciales, mientras que cualquier otro sistema propone las moléculas por separado y luego evalúan su capacidad de síntesis, lo que puede llegar a tardar varios minutos.
CONSTRUCCIÓN DE UNA ESTRUCTURA MOLECULAR
Para crear una estructura molecular, el modelo de inteligencia artificial simula el proceso de síntesis de una molécula para garantizar que se pueda producir.
El nuevo sistema recibe un conjunto de componentes básicos viables (productos químicos) y una lista de reacciones químicas válidas con las que trabajar, hechas a mano por expertos. Controlar estas entradas permite a los investigadores limitar cómo de grande puede ser el espacio de búsqueda para una nueva molécula.
Asimismo, para construir una nueva molécula, el sistema construye un árbol seleccionando bloques de construcción y los vincula a través de las reacciones químicas. A medida que el proceso va avanzado, la molécula se vuelve más compleja hasta que llega a producirse la estructura molecular final.
Este modelo sugirió estructuras moleculares de mayor calidad que tenían afinidades de unión más fuertes que las de otros métodos por lo que las moléculas podrían unirse para mejorar una proteína y bloquear una determinada actividad, como detener el contagio de un virus
Los investigadores experimentaron este sistema miles de veces, y no eligieron el adecuado hasta que encontraron uno que aprendiera a encontrar las vías sintéticas por sí solo valorando el conjunto ideal para cada tipo de molécula, sin necesidad de valorar infinitas posibilidades.
También, probaron este modelo de IA evaluando qué tan bien podría reconstruir moléculas sintetizables. Fue capaz de reproducir el 51% de estas moléculas y tardó menos de un segundo en recrear cada una.
Además, cuando utilizaron su método para proponer moléculas con propiedades específicas, éste sugirió estructuras moleculares de mayor calidad que tenían afinidades de unión más fuertes que las de otros métodos. Esto significa que las moléculas podrían unirse para mejorar una proteína y bloquear una determinada actividad, como detener el contagio de un virus. Sin embargo, como reconocen los autores, estas son solo predicciones computacionales.
MEJORA DE FÁRMACOS EXISTENTES
Aunque no lo han estudiado a fondo, los autores argumentan que su sistema también podría mejorar los fármacos existentes. Si una empresa ha identificado una molécula en particular que tiene las propiedades deseadas, pero que no se puede producir, podría usar este modelo para proponer moléculas sintetizables que se parezcan mucho a ella.
Después de este gran avance, el equipo planea continuar con el estudio para mejorar las plantillas de reacción química y así conseguir mejorar la eficiencia del rendimiento del modelo. Con planillas adicionales, pueden ejecutar más pruebas en ciertos objetivos de enfermedades y, finalmente, aplicar el modelo al proceso de descubrimiento de fármacos.