SEVILLA, 5 Nov. (EUROPA PRESS) -
Un equipo internacional con participación del Instituto de Investigaciones Químicas (centro mixto del Centro Superior de Investigaciones Científicas (CSIC) y la Universidad de Sevilla) ha desarrollado una técnica que "podría transformar las primeras etapas del desarrollo de fármacos".
Este avance combina espectroscopía de resonancia magnética nuclear y herramientas de inteligencia artificial para identificar y clasificar de forma "mucho más rápida y precisa" los compuestos con mayor potencial terapéutico, según ha informado el CSIC a través de una nota de prensa este miércoles.
La investigación se ha publicado en la prestigiosa revista Journal of the American Chemical Society y su nueva metodología, denominada espectroscopía de resonancia magnética nuclear Sharper, optimizada mediante aprendizaje automático, una técnica que combina Resonancia Magnética Nuclear avanzada con Inteligencia Artificial (IA) para acelerar el análisis de compuestos, ha permitido analizar con gran rapidez cómo se unen pequeñas moléculas, llamadas fragmentos, a proteínas que podrían convertirse en dianas terapéuticas.
De esta manera, gracias a esta técnica, los investigadores pueden evaluar unos 140 fragmentos al día, frente a los cuatro a quince que se logran con los métodos convencionales, una "velocidad sin precedentes" en espectroscopía de resonancia magnética nuclear.
Además, ofrece un "alto grado de automatización" tanto en la adquisición de datos como en el análisis de resultados, lo que la convierte en una herramienta de alto rendimiento.
Este aumento de velocidad multiplica por diez la capacidad de análisis y abre la puerta a una búsqueda de nuevos medicamentos mucho más ágil y eficiente.
En este sentido, el primer coautor del estudio, Ridvan Nepravishta, del Cancer Research Horizons, ha asegurado que se trata de "una metodología pionera que permite acelerar significativamente las etapas más tempranas del desarrollo de medicamentos, lo cual facilita mucho la labor investigadora de los científicos que trabajan en el diseño y optimización de nuevos fármacos".
Por ello, la técnica mejora notablemente el uso de la resonancia magnética nuclear para estudiar cómo se unen pequeñas moléculas a proteínas, un "paso clave" en el diseño de nuevos medicamentos.
Tradicionalmente, este proceso exige mucho tiempo y grandes cantidades de proteína para detectar las interacciones débiles entre fragmentos y proteínas. Tal y como ha señalado la citada nota de prensa, aunque difíciles de observar, las interacciones débiles son esenciales para identificar los compuestos que podrían convertirse en futuros medicamentos.
El nuevo enfoque concentra la señal de las moléculas en una lectura "más clara y precisa", permitiendo observar cómo se modifica al interactuar con la proteína candidata y mejorando significativamente la sensibilidad del experimento.
Además, el empleo de algoritmos de aprendizaje automático ha permitido reducir drásticamente el número de mediciones necesarias, por lo que con "solo dos cantidades distintas del fragmento", los investigadores pueden clasificar con precisión una colección completa de compuestos, según ha precisado el estudio.
Esto supone una "simplificación radical del proceso experimental", que antes requería hasta siete mediciones por compuesto. "Nuestra aproximación ML-Boosted LB Sharper NMR es de muy fácil implementación y automatización tanto a nivel experimental como en el análisis de resultados", ha señalado el coautor del artículo, Jesús Angulo.
Esta automatización permite clasificar con precisión los fragmentos que mejor interaccionan con una proteína de interés dentro de bibliotecas que pueden contener "cientos o miles de candidatos, un avance especialmente útil para la industria farmacéutica".
DISEÑO BASADO EN FRAGMENTOS
El desarrollo se enmarca en una de las estrategias más utilizadas en el diseño de nuevos medicamentos: el diseño basado en fragmentos. Esta aproximación consiste en identificar pequeñas piezas moleculares que se unen a proteínas implicadas en enfermedades y luego optimizarlas para mejorar su eficacia.
Sin embargo, estas uniones suelen ser "muy débiles y difíciles de detectar" mediante técnicas tradicionales como la cristalografía de rayos X o la microscopía electrónica.
La resonancia magnética nuclear es una de las pocas herramientas capaces de estudiar estas interacciones, aunque su baja sensibilidad y el tiempo que requiere han limitado hasta ahora su aplicación en campañas de descubrimiento de fármacos.
Con esta nueva técnica, los investigadores han superado esas limitaciones. El primer coautor del artículo e investigador del Programa de Captación de Talento Investigador Emergia de la junta de Andalucía en el Instituto de Investigaciones Químicas, Juan C. Muñoz-García, ha subrayado que "este trabajo es un ejemplo del impacto de la investigación multidisciplinar y la colaboración internacional", con la que se ha demostrado que la combinación de espectroscopía de resonancia magnética nuclear avanzada y técnicas de aprendizaje automático "permite acelerar la clasificación de los compuestos más prometedores frente a un receptor biológico hasta unos límites que eran inconcebibles hasta ahora en el área de la Resonancia magnética nuclear".
En esta línea, este avance "no solo mejora la velocidad y la precisión del análisis, sino que también reduce el consumo de proteína y simplifica el proceso experimental", lo que lo hace "más accesible" tanto para laboratorios como para empresas biotecnológicas. En conjunto, esta metodología representa "un paso importante hacia un desarrollo más rápido y eficiente de nuevos tratamientos farmacológicos".
