Acelerar el descubrimiento de fármacos gracias a la IA

13 de marzo de 2024 | 4 min

«Debería haber guardado esa servilleta».

Aunque no parezca el típico consejo que uno puede oír de su jefe, es la sugerencia que hizo Karen Madden, Directora de Tecnología para la división Life Science de Merck KGaA, Darmstadt, Germany (and/or its affiliates). Y es que los garabatos en aquella servilleta eran los primeros esbozos de una nueva plataforma de descubrimiento de fármacos impulsada por la Inteligencia Artificial.

Encontrar una molécula prometedora para un nuevo tratamiento puede ser como buscar una aguja en un pajar. Las opciones parecen ilimitadas y la identificación de los candidatos idóneos es una ardua tarea. ¿Pero y si en vez de tener que buscar manualmente en el pajar se pudiera utilizar un potente imán o detector de metales para encontrar esa «aguja» o molécula con potencial farmacológico? AIDDISON es a la vez ese imán y ese detector de metales.

AIDDISON es una potente plataforma de software destinada a reducir este laborioso paso en el proceso de desarrollo de fármacos. Mucho antes de que su salida al mercado, de que comiencen los ensayos clínicos o de que se entre en la investigación preclínica, un medicamento es sólo una idea. Un equipo identifica una diana específica a la que quiere que se dirija su futuro fármaco, por ejemplo, una proteína defectuosa que está causando problemas al paciente. Los investigadores tienen que encontrar una molécula, o unas cuantas moléculas. que inhiba una diana específica, como esa proteína defectuosa.

A menudo se tarda más de una década y más de dos mil millones de dólares para que un nuevo medicamento vaya de la mesa de laboratorio a la cabecera del enfermo. Más del 90 % de los fármacos fracasan en los ensayos clínicos. La pérdida de tiempo, dinero y esfuerzo en el fracaso de nuevas proyectos farmacológicos puede ser asombrosa.

Durante las primeras fases del desarrollo de un fármaco, conocidas como fase de descubrimiento de fármacos, la tasa de fracaso del 90 % podría disminuir si los científicos pudieran identificar con mayor precisión las moléculas que tienen más probabilidades de éxito en fases posteriores. Esto se traduciría en menos dinero y tiempo malgastado en candidatos a fármacos condenados al fracaso en los ensayos clínicos.

«La clave del éxito en el diseño de fármacos es la adopción de un enfoque holístico, el aumento del éxito de cada ciclo de diseño y conseguir que «cada paso cuente» para acelerar los tratamientos que llegan al paciente», afirma Ashwini Ghogare, que lamenta no haber guardado aquella servilleta, y que es una pieza clave en brindar la plataforma a los clientes.

La combinación de fuerzas

El concepto de AIDDISON comenzó cuando, en 2019, Ghogare conoció a Daniel Kuhn en una conferencia de MilliporeSigma en Burlington, Massachusetts, Estados Unidos. Tras escuchar la presentación de Kuhn sobre las cómo su equipo construyó modelos de aprendizaje automático para respaldar su trabajo de descubrimiento de fármacos, Ghogare se acercó más tarde a su mesa y le dijo: «Tenemos que hablar».

Charlaron sobre los retos que plantea el descubrimiento de fármacos y cómo podrían buscar soluciones. El aprovechamiento de los datos existentes y la inteligencia artificial, una tecnología transformadora, ocuparon la mayor parte de sus conversaciones. Y sí, anotaron sus ideas en una servilleta En esas primeras anotaciones, esbozaron un primer diseño de la interfaz e hicieron una lluvia de ideas sobre algunos procesos.

Kuhn, por su parte, completó un doctorado en química computacional en un grupo de diseño de fármacos. Desde entonces se ha centrado en mejorar el descubrimiento de fármacos, entre otros, desde su puesto en la división Healthcare de Merck KGaA, Darmstadt, Germany (and/or its affiliates). Está comprometido con aportar a la búsqueda de nuevas terapias y medicamentos para los pacientes mediante tecnologías de modelado predictivo y generativo.

Su amplia experiencia en el descubrimiento de fármacos, unida a su pericia en el desarrollo de software y plataformas, resultó ser una combinación perfecta. Además de sus trayectorias distintas, pero complementarias, otra pieza clave ayudó a impulsar esta colaboración. Simplemente se divertían trabajando juntos.

Construido desde cero

Años antes de que ambos se conocieran en Burlington, Kuhn estaba creando herramientas para ayudar a su equipo de la división Healthcare de Merck KGaA, Darmstadt, Germany (and/or its affiliates) a encontrar mejores candidatos a fármacos con mayor rapidez .

Kuhn necesitaba utilizar un gran conjunto de datos para construir modelos. Uno de ellos contenía detalles sobre cómo diferentes moléculas cumplían o no las expectativas en los experimentos tempranos. Afortunadamente, sus colegas de la división Healthcare de Merck KGaA, Darmstadt, Germany (and/or its affiliates) guardaron meticulosamente los datos durante décadas. Estos abundantes datos experimentales fueron fundamentales para el avance de los modelos y, en última instancia, han supuesto una gran ventaja para AIDDISON.

Cuando Kuhn compartió su innovación en la Cumbre de Burlington, Ghogare vio inmediatamente la potencia de los modelos y comprendió que sería valioso para desarrolladores de fármacos que no pertenecieran a la compañía. Y así comenzó el esfuerzo empresarial para que una herramienta interna llegara a clientes de todo el mundo.

Kuhn y Ghogare se sorprendieron un poco del rápido progreso. Con sólidas alianzas y equipos, solo pasaron algo más de dos años desde la primera conversación hasta el lanzamiento público de la plataforma.

Para Kuhn, gran parte del atractivo de comercializar la herramienta era conseguir que el espacio del descubrimiento de fármacos fuera más accesible para equipos más pequeños, que rara vez tienen acceso a grandes conjuntos de datos internos para construir sus propios modelos. Cuantas más mentes trabajen para encontrar nuevas soluciones terapéuticas, mejor para los pacientes.

«Los modelos no siempre aciertan, pero las personas tampoco», dice Kuhn. «Los modelos bien diseñados, como los de AIDDISON, son la base para acelerar el descubrimiento de fármacos mediante la identificación y y la priorización de moléculas con buenas propiedades lo que ayuda a que los científicos tomen mejores decisiones.»

AIDDISON ayuda a que equipos de todos los tamaños identifiquen más rápido las mejores moléculas candidatas y que a que se reduzca un punto débil en el proceso de descubrimiento de fármacos.

Sobre AIDDISON

Con el beneficio de más de 20 años de datos de investigación farmacéutica, la plataforma AIDDISON™potenciada por la IA combina el diseño generativo, los conocimientos predictivos y el modelado 3D en una solución integral que acelere el descubrimiento de fármacos.

• Genere ideas con el rápido cribado in silico de amplias bases de datos químicas y el diseño partiendo de cero.

• Perfeccione los resultados de sintetizabilidad y las propiedades ADMET con modelos de aprendizaje automático (AA) del mundo real.

• Evalúe y priorice los aciertos con herramientas avanzadas de visualización de datos y enlace molecular.