Atrás IA para revolucionar el tratamiento de párkinson y otras enfermedades neurodegenerativas

IA para revolucionar el tratamiento de párkinson y otras enfermedades neurodegenerativas

Un estudio aplica una herramienta basada en esta tecnología que permite identificar inhibidores clave para frenar la progresión de estas patologías.

IA para revolucionar el tratamiento de párkinson y otras enfermedades neurodegenerativas

Escrito porRedacción MF

Publicado: 13 junio 2024

La enfermedad neurodegenerativa de Parkinson podría vivir un cambio de paradigma en su tratamiento. Un equipo de científicos ha desarrollado un innovador enfoque mediante inteligencia artificial (IA) basado en el aprendizaje automático que podría mejorar la eficacia a la hora de tratarla. Esta herramienta identifica un proceso clave en párkinson y otras sinucleinopatías relacionado con los inhibidores de la agregación de Alfa-sinucleína. 

Así, en un artículo publicado en Nature Chemical Biology, se describe cómo se ha utilizado el aprendizaje iterativo basado en estructura para descubrir compuestos que puedan prevenir esta agregación patológica. En concreto, este hallazgo se centra en aquellos que han demostrado ser más potentes que los hasta ahora catalogados. 

Este trabajo ha servido para demostrar tanto la eficacia del aprendizaje automático a la hora de identificar inhibidores de la Alfa-sinucleína como el potencial que tienen para revolucionar la investigación de fármacos en enfermedades neurodegenerativas. 

Este avance es especialmente significativo dado el reciente éxito en la aprobación de fármacos modificadores de enfermedades para el alzhéimer, como aducanumab y lecanemab. La capacidad de identificar inhibidores efectivos de la agregación de Alfa-sinucleína podría abrir la puerta a nuevas terapias para el parkinson, ofreciendo esperanza a millones de pacientes en todo el mundo.

El potencial del aprendizaje automático

El equipo, liderado por dos investigadores del Centro de Enfermedades de Desdoblamiento en la Universidad de Cambridge, utilizó métodos de aprendizaje automático para explorar el espacio químico. Es decir, un entorno en el que descubrir moléculas pequeñas que puedan unirse a los dominios catalíticos en la superficie de los agregados de Alfa-sinucleína, inhibiendo así la nucleación secundaria. Este proceso es autocatalítico, lo que significa que una vez que comienza, se acelera y propaga rápidamente, agravando la patología de la enfermedad.

En una primera fase, los investigadores usaron estas herramientas de IA para realizar simulaciones de acoplamiento. El objetivo era seleccionar moléculas con propiedades óptimas para el sistema nervioso central. Se evaluó un grupo de dos millones, de las cuales se seleccionaron las 68 más prometedoras para pruebas experimentales. Así, pudieron identificar cuatro compuestos activos, que sirvieron como punto de partida para la generación y optimización de líderes.

Posteriormente, se sirvieron de métricas de similitud molecular para hacer búsquedas para seleccionar nuevos compuestos estructuralmente relacionados con los iniciales. Si bien sirvió para producir algunos compuestos potentes, obtuvieron una baja optimización, lo que llevó a los científicos a decantarse por un enfoque de aprendizaje automático más avanzado. 

Descubren compuestos más potentes 

De esta manera implementaron un proceso iterativo de aprendizaje automático que combinaba datos experimentales con modelos de regresión y autoencoders (modelos generativos) variacionales. Por tanto, el método permitió representar las estructuras moleculares como vectores latentes, mejorando la predicción de la potencia de nuevos compuestos. Con cada ciclo de predicción y prueba, el modelo se refinaba, aumentando la eficacia y la diversidad de los compuestos descubiertos.

La enfermedad de Parkinson es un trastorno neurodegenerativo crónico que afecta al sistema motor causando temblores, rigidez y problemas de equilibrio y coordinación. Esta enfermedad, que es la segunda más común entre las enfermedades neurodegenerativas después del alzhéimer, afecta aproximadamente a 160.000 personas en España, con una prevalencia de 300 casos por cada 100.000 habitantes. La patología se caracteriza por la acumulación de proteínas mal plegadas en el cerebro, siendo la Alfa-sinucleína una de las principales implicadas.