Científicos de datos de la Facultad de Medicina Icahn del Monte Sinaí en Nueva York, junto con otros colegas, desarrollaron un modelo de inteligencia artificial que mejora la capacidad de predicción sobre qué medicamentos existentes, no clasificados como nocivos hasta ahora, podrían provocar defectos congénitos.

Este modelo, denominado “knowledge graph” y descripto en un estudio publicado en Communications Medicine, también tiene el potencial de predecir cómo los compuestos preclínicos pueden afectar negativamente al feto en desarrollo. De acuerdo con los investigadores es el primer estudio conocido que utiliza gráficos de conocimiento para integrar diferentes tipos de datos y examinar las causas de las discapacidades congénitas.

Para este estudio, se recopiló información de diversas fuentes de datos que abordan las asociaciones entre defectos congénitos mencionados en trabajos de investigación previos. De manera más específica, los datos combinados proceden de la genética conocida de la salud reproductiva, la clasificación de medicamentos en función de su riesgo durante el embarazo y el modo en que los fármacos y compuestos preclínicos afectan a los mecanismos biológicos del interior de las células humanas.

También se incluyeron hallazgos sobre asociaciones genéticas, cambios de expresión génica inducidos por fármacos y compuestos preclínicos en líneas celulares, dianas farmacológicas conocidas, puntuaciones de carga genética para genes humanos y puntuaciones de cruce placentario para fármacos de moléculas pequeñas.

Como se explica en el artículo científico, las anomalías congénitas afectan a 1 de cada 33 nacimientos en Estados Unidos. Éstas pueden originarse como resultado de fallos genéticos u otros factores; sin embargo, en la mayoría de casos su origen es desconocido. Al mismo tiempo, los investigadores señalan que, se ha descubierto con el tiempo que ciertas sustancias presentes en medicamentos, cosméticos, alimentos y contaminantes ambientales pueden provocar defectos congénitos si las mujeres embarazadas están expuestas a ellas.

“Aunque identificar las causas subyacentes es una tarea complicada, ofrecemos la esperanza de que a través de análisis de datos complejos como éste, que integra pruebas de múltiples fuentes, podremos en algunos casos predecir, regular y proteger mejor contra los importantes daños que podrían causar las discapacidades congénitas“, expresó el Dr. Avi Ma’ayan, catedrático de Ciencias Farmacológicas y autor principal del artículo.

¿Cómo se utilizaron los datos en la predicción de defectos congénitos?

A través de la herramienta ReproTox-KG con aprendizaje semisupervisado (SSL), el equipo de investigación priorizó 30.000 fármacos preclínicos de moléculas pequeñas por su potencial para atravesar la placenta e inducir defectos congénitos. El SSL es una rama del aprendizaje automático que utiliza una pequeña cantidad de datos etiquetados para guiar las predicciones de datos no etiquetados mucho mayores.

Además, mediante el análisis de la topología del ReproTox-KG se identificaron más de 500 combinaciones de defectos congénitos, genes y fármacos que podrían explicar los mecanismos moleculares subyacentes a los defectos congénitos inducidos por fármacos. Por el momento, los resultados obtenidos se consideran preliminares, ya que se requieren más experimentos que corroboren los hallazgos.

Las asociaciones entre genes y defectos congénitos se establecen a partir de mutaciones conocidas que se sabe que causan el mismo defecto congénito. Los nodos azul claro representan términos de defectos congénitos, los nodos naranja representan genes y los nodos rosa representan fármacos y pequeñas moléculas preclínicas. Las puntas de flecha grises indican genes cuyas mutaciones inducen un defecto congénito, y las puntas de diamante grises conectan los fármacos con los defectos congénitos que se han relacionado a la sustancia.

En un estudio posterior, los investigadores planean utilizar un enfoque similar basado en gráficos para otros proyectos centrados en la relación entre genes, fármacos y enfermedades. También pretenden utilizar el conjunto de datos procesados como material de formación para cursos y talleres sobre análisis bioinformático. Además, tienen previsto ampliar el estudio para tener en cuenta datos más complejos, como la expresión génica de tejidos y tipos celulares específicos recogidos en múltiples etapas de desarrollo.

“Esperamos que nuestro trabajo en colaboración dé lugar a un nuevo marco global para evaluar la toxicidad potencial de los nuevos fármacos y explicar los mecanismos biológicos por los que pueden actuar algunos medicamentos de los que se sabe que causan defectos congénitos. Es posible que, en algún momento del futuro, organismos reguladores como la Administración de Alimentos y Medicamentos de EE.UU. y la Agencia de Protección del Medio Ambiente de EE.UU. utilicen este enfoque para evaluar el riesgo de nuevos fármacos u otras aplicaciones químicas”, afirmó el Dr. Ma’ayan en un comunicado.

Fuente: Consultor Salud