Ante la emergencia sanitaria ocasionada por el Covid-19, la necesidad y premura por un tratamiento farmacológico eficaz es imperativo. En este tipo de situaciones, la Inteligencia Artificial (IA) en conjunto con el aprendizaje profundo, trabajan en la búsqueda de alternativas para medicamentos contra el virus SARS-CoV-2.

Científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y del Instituto Tecnológico de Massachussets (MIT por sus siglas en inglés), en conjunto con la Clínica Jameel para el aprendizaje automático en el sector salud, buscan tratamientos farmacológicos contra el Covid-19.

Gracias a las diversas investigaciones a nivel mundial, se ha recopilado una cantidad de datos de suma importancia. Identificar las combinaciones de medicamentos sinérgicas adecuadas ante la rápida propagación del Covid-19, fue la misión principal del equipo del MIT. La solución llegó gracias a un cambio de enfoque, una red neuronal con base en dos funciones.

Dado que la sinergia de fármacos a menudo se produce por la inhibición de objetivos biológicos (como proteínas o ácidos nucleicos), el modelo aprende conjuntamente la interacción fármaco-objetivo y la sinergia fármaco-fármaco. El predictor fármaco-objetivo modela la interacción entre un fármaco y un conjunto de objetivos biológicos conocidos relacionados con la enfermedad.

Los científicos del MIT y el cambio de enfoque del aprendizaje profundo, han logrado obtener dos nuevas combinaciones de medicamentos. La primera propuesta es remdesivir (actualmente aprobado por la FDA para tratar Covid-19) y reserpina; la segunda opción es remdesivir e IQ-1S, que en ensayos biológicos demostraron ser sumamente eficaces contra el Covid-19.

"A diferencia de los enfoques anteriores que utilizan la interacción fármaco-objetivo como descriptores fijos, nuestro método aprende a predecir la interacción fármaco-objetivo a partir de estructuras moleculares. Esto es ventajoso ya que una gran proporción de compuestos tienen información incompleta sobre la interacción fármaco-objetivo" comentó Wengong Jin, principal investigador.

Haciendo uso de cócteles de medicamentos especializados es posible reducir los efectos secundarios, además de disminuir de manera importante la resistencia farmacológica. El equipo del MIT explica que resulta más difícil para un virus desarrollar dos mutaciones simultáneas y volverse resistente a dos medicamentos en una terapia combinada.

Los científicos del MIT han determinado el uso del aprendizaje profundo también para su variante Delta y las posibles variantes adicionales. Para ampliar la eficacia del modelo contra éstas, sólo serían necesarios los datos de sinergia de combinación de fármacos adicionales para las mutaciones relevantes.

Adicionalmente, buscan aplicar el enfoque contra enfermedades como el VIH y al cáncer de páncreas. El modelo aún es joven y puede ser refinado, incorporando información adicional como la interacción proteína-proteína y las redes reguladoras de genes.

Fuente: NotiPress