000
Viernes 02.12.2022  22:21
Usuarios

OK
Recordarme   ¿ Olvidó su clave ?
BUSQUEDA DE NOTICIAS
Texto: Fecha entre   y     Medio: Sección: Buscar

Recomendación enviada con éxito.
Cerrar
Ciencia y Tecnolog������a
Brasil | 06-08-2020

Traducir a :   Traducir
El aprendizaje de máquinas imprime mayor eficacia al reposicionamiento de psicofármacos   
En el marco de un estudio, se correlacionó información referente a medicamentos, genes y trastornos, a los efectos de identificar potenciales candidatos para la aplicación de tratamientos psiquiátricos y neurológicos. Esta metodología se aplicará también en la búsqueda de medicamentos destinados al COVID-19
Agencia FAPESP ( Brasil )
Por Maria Fernanda Ziegler. Imagen: Gerd Altmann
El aprendizaje de máquinas imprime mayor eficacia al reposicionamiento de psicofármacos La inteligencia artificial puede incrementar la eficacia de las investigaciones orientadas hacia el reposicionamiento de fármacos. Esto es lo que se demuestra en el marco de un estudio publicado en la revista Translational Psychiatry. En dicha investigación, científicos brasileños correlacionaron información referente a medicamentos (con aplicación ya aprobada para otras enfermedades), el potencial de esos compuestos para inhibir o activar genes y alteraciones psiquiátricas y neurológicas.

Como resultado de ello, en el estudio mencionado, que contó con apoyo de la FAPESP, quedaron identificados 63 medicamentos cuyos blancos están constituidos por 31 genes y que poseen potencial para probárselos en el tratamiento de trastornos psiquiátricos tales como el alzhéimer, el párkinson, la enfermedad de Huntington, la depresión, la ansiedad, la bipolaridad, la esquizofrenia y el autismo. En total, quedaron correlacionados 1.588 genes y 722 fármacos.

Aparte de la lista de potenciales candidatos para el tratamiento de alteraciones psiquiátricas y neurológicas, el grupo de investigadores también desarrolló un nuevo abordaje de selección de esos fármacos que podrá aplicarse en otros estudios vinculados con diversas enfermedades. Como resultado de esta nueva metodología, los científicos pusieron en marcha un nuevo estudio de reposicionamiento de fármacos con la mira puesta en hallar potenciales candidatos para el tratamiento del COVID-19.

“Estamos generando mucho más conocimiento que el que podemos absorber. Las revistas científicas publican más de un millón de artículos por año. Por ende, se hace imposible mantener la literatura actualizada, y esto independe del área en que el investigador trabaje”, dice Helder Nakaya, coordinador del estudio, docente de la Facultad de Ciencias Farmacéuticas de la Universidad de São Paulo (FCF-USP), en Brasil, y uno de los investigadores principales del Centro de Investigaciones en Enfermedades Inflamatorias (CRID), un Centro de Investigación, Innovación y Difusión (CEPID) apoyado por la FAPESP.

Un nuevo abordaje: la medicina de red
El desarrollo de un nuevo medicamento requiere de una gran inversión en tiempo y en dinero. Una de las alternativas con miras a acortar ese largo camino ha venido siendo el reposicionamiento de fármacos ya aprobados para tratar determinadas enfermedades apuntando al tratamiento de una nueva dolencia. Esta asociación generalmente se concreta con base en estudios referentes a los mecanismos moleculares que comparten fármacos y enfermedades.

Pero para dotar de eficacia a estas correlaciones, los científicos utilizaron un abordaje conocido como medicina de red, asociada al aprendizaje de máquinas, a los efectos de investigar las características moleculares y los mecanismos de las alteraciones psiquiátricas y neurológicas.

“Así fue como logramos organizar y estructurar la red de conocimiento vinculada con enfermedades psiquiátricas y neurológicas, correlacionándola con fármacos y genes implicados. La medicina de red echa mano de la teoría de grafos para analizar estas relaciones complejas de interacciones y sugerir fármacos que nunca antes se han puesto a prueba para ciertas enfermedades”, dice.

Para ello, el grupo utilizó la plataforma IBM Watson for Drug Discovery, aparte de programas desarrollados en laboratorio, que procesaron la información en los textos de millones de artículos de la literatura científica publicada durante los últimos 50 años. De este modo, pudieron construir una red de conocimiento que conectó información concerniente a trastornos, genes y medicamentos mencionados.

“Esta plataforma puede leer más de 20 millones de artículos de la misma manera que un ser humano los leería, pero mucho más rápido. Mediante técnicas de aprendizaje de máquinas, la computadora fue aprendiendo a interpretar la información existente en los artículos, de modo tal de establecer las correlaciones, tales como la activación y la inhibición de genes a cargo de determinadas sustancias y la asociación de estos procesos con los trastornos. No existe magia en este trabajo, no es solamente apretar un botón para obtener el resultado. La dificultad radica en poder identificar qué asociaciones son significativas efectivamente”, declara Nakaya a Agência FAPESP.

Una herramienta para orientar nuevos estudios
Con este trabajo, los científicos encontraron candidatos para estudios de reposicionamiento de fármacos que nunca se habían planteado. “Los análisis revelaron medicamentos nunca antes descritos como alternativas para el tratamiento de enfermedades psiquiátricas y neurológicas. Esperamos que otros investigadores utilicen la lista que se generó en nuestra investigación para iniciar estudios con pruebas in vitro, después en modelos animales y, en el futuro, si todo sale bien, en ensayos clínicos, para verificar si esas drogas funcionan efectivamente contra las enfermedades relacionadas”, dice Thomaz Lüscher Dias, primer autor del artículo. Este trabajo se llevó a cabo durante el doctorado de Lüscher Dias, y contó con el apoyo de la Coordinación de Perfeccionamiento del Personal de Nivel Superior (Capes) de Brasil y con la codirección de Nakaya.

Al aunar las técnicas de aprendizaje de máquinas y la medicina de red, el grupo de investigadores dota de una mayor eficacia al proceso de reposicionamiento de fármacos. “En lugar de realizar un rastreo con 2.000 fármacos posibles para luego testear cuál de estos podría servir para tratar una enfermedad, es posible utilizar el resultado de nuestro trabajo y analizar una lista mucho menor y más asertiva, con probables candidatos”, dice.

En un trabajo que pronto saldrá publicado, el grupo que encabeza Nakaya probó in vitro el efecto de uno de esos fármacos de la lista en el tratamiento de la esquizofrenia. “Estamos llevando adelante una colaboración de investigación para verificar si el tratamiento con este fármaco es realmente eficaz. Las validaciones experimentales son fundamentales para probar la utilidad de los análisis”, dice.

Los investigadores también están aplicando esta misma metodología para encontrar relaciones entre medicamentos, genes y el COVID-19. “Para este estudio, estamos utilizando un gran volumen de información referente a enfermedades infecciosas causadas por todo tipo de virus, como así también sobre los principales problemas relacionados con el COVID-19 severo, para buscar asociaciones y crear redes entre genes y fármacos que puedan aplicarse en el tratamiento de la enfermedad. En este momento de urgencia, resulta esencial direccionar lo que ha de estudiarse, y la medicina de red puede contribuir en ello”, dice.

Puede leerse el artículo intitulado Drug repositioning for psychiatric and neurological disorders through a network medicine approach (doi: 10.1038/s41398-020-0827-5), de Thomaz Lüscher Dias, Viviane Schuch, Patrícia Cristina Baleeiro Beltrão-Braga, Daniel Martins-de-Souza, Helena Paula Brentani, Gloria Regina Franco y Helder Imoto Nakaya, en el siguiente enlace: www.nature.com/articles/s41398-020-0827-5.