El líder del Grupo de Identificación de Fármacos e Inteligencia Artificial del VHIO, Albert Antolín. - VHIO
BARCELONA, 20 Ene. (EUROPA PRESS) -
El proyecto europeo Ligand-AI, en el que participa el Vall d'Hebron Instituto de Oncología (VHIO), ha arrancado con el objetivo de generar grandes conjuntos de datos abiertos y de alta calidad sobre interacciones proteína-ligando y utilizarlos para entrenar modelos de inteligencia artificial (IA) que puedan predecir qué moléculas son capaces de unirse a miles de proteínas humanas.
El consorcio, liderado por Pfizer y el Structural Genomics Consortium (SGC), cuenta con 60 millones de euros de la Innovative Health Initiative (IHI) europea, y reúne a 18 socios de 9 países, informa el VHIO en un comunicado de este martes.
La iniciativa estudiará las posibles interacciones entre millones de compuestos químicos y miles de proteínas relevantes tanto para enfermedades con tratamientos disponibles como para necesidades médicas no cubiertas, incluidas enfermedades raras, neurológicas y oncológicas.
En este contexto, el Grupo de Identificación de Fármacos e IA del VHIO, encabezado por Albert Antolín, colidera junto a la compañía IBM el área de 'machine learning', responsable de desarrollar y entrenar nuevos modelos de inteligencia artificial a partir de los datos generados por Ligand-AI, con el objetivo de predecir "de forma sistemática" la afinidad entre moléculas y proteínas humanas.
UN PROCESO "COSTOSO Y LLENO DE INCERTIDUMBRE"
Antolín ha señalado que el descubrimiento de fármacos es una proceso "largo, costoso y lleno de incertidumbre", y que los científicos suelen dedicar años a probar miles de moléculas para encontrar una que se pueda unir a una proteína relacionada con una enfermedad, pero que en le mayoría de los casos, los esfuerzos fracasan durante los ensayos clínicos.
"Para reducir los riesgos, muchas empresas optan por desarrollar fármacos poco innovadores para las mismas proteínas. Sin embargo, para el 80% de las proteínas humanas, aún no contamos con ningún compuesto conocido que pueda unirse a ellas y ser utilizado para crear nuevos tratamientos", continúa.
En ese contexto, el proyecto Ligand-AI quiere cambiar este enfoque combinando tecnologías avanzadas de laboratorio con métodos computacionales para acelerar el descubrimiento de fármacos, enfocándose en proteínas poco estudiadas o difíciles que darían lugar a fármacos "realmente innovadores".
MILLONES DE DATOS
El consorcio generará miles de millones de datos de química biológica mediante tecnologías de cribado, lo que permitirá a investigadores de todo el mundo desarrollar, entrenar y comparar modelos de inteligencia artificial capaces de predecir interacciones moleculares.
El coordinador del proyecto y CEO del Structural Genomics Consortium, Aled Edwards, ha asegurado que "es alentador ver cómo comunidades científicas tan diversas convergen en una visión común para generar y compartir con el mundo datos químicos valiosos de forma abierta".
Antolín ha destacado la dimensión transformadora de la iniciativa: "Se trata de una auténtica revolución, comparable a la que supuso el Proyecto Genoma Humano, pero aplicada a la química biológica".
"Ligand-AI está generando un volumen de datos sobre interacciones proteína-ligando muy superior al disponible hasta ahora, de forma homogénea y abierta, lo que nos permitirá desarrollar modelos de inteligencia artificial mucho más potentes que puedan predecir compuestos químicos para cualquier proteína con elevada precisión", ha detallado.
Los resultados del proyecto se compartirán a través de Mainframe, una red internacional de ciencia abierta que conecta a expertos en 'machine learning' y química computacional para impulsar el descubrimiento precompetitivo de fármacos.
