Investigadores de China y Estados Unidos han presentado ActFound, un innovador modelo de inteligencia artificial (IA) diseñado para superar desafíos significativos en el desarrollo de nuevos fármacos. Este modelo, que combina técnicas avanzadas de aprendizaje automático, promete acelerar el proceso de descubrimiento de medicamentos y reducir costos en comparación con los métodos tradicionales.
Avances en la Predicción de Bioactividad
ActFound se destaca por su capacidad para predecir la bioactividad de los compuestos, una medida crucial que abarca la interacción de las sustancias con sus objetivos biológicos y sus efectos terapéuticos. Según un estudio publicado en Nature Machine Intelligence, el modelo supera a nueve modelos competidores y muestra un rendimiento sobresaliente en la predicción de la bioactividad de medicamentos contra el cáncer.
El modelo fue entrenado utilizando más de 35,000 ensayos y 1.6 millones de bioactividades medidas experimentalmente a partir de una base de datos química popular. Esta extensa base de datos ha permitido a ActFound abordar limitaciones comunes en el descubrimiento de medicamentos, como conjuntos de datos pequeños y mediciones incompatibles.
Innovación Metodológica
ActFound combina dos métodos de aprendizaje automático: el meta-aprendizaje y el aprendizaje por pares. El meta-aprendizaje permite al modelo optimizarse utilizando datos limitados para predecir propiedades de compuestos no medidos, lo que es crucial dado el alto costo de los experimentos de laboratorio. El aprendizaje por pares, por su parte, calcula las diferencias relativas entre pares de compuestos en lugar de predecir valores absolutos incompatibles, facilitando una generalización más efectiva.
“Los resultados prometedores indican que ActFound podría ser un modelo fundamental para la predicción de bioactividad en diversos tipos de actividades,” afirmó Wang Sheng, autor principal y profesor asistente en la Universidad de Washington.
Desafíos y Oportunidades
Los métodos tradicionales de predicción de bioactividad, como la perturbación de energía libre (FEP), ofrecen alta precisión pero requieren recursos computacionales extensivos y costosos, a menudo basados en estructuras tridimensionales de proteínas que son difíciles de obtener. ActFound, en contraste, ofrece una alternativa menos costosa y más accesible, funcionando con menos puntos de datos y proporcionando predicciones precisas sin la necesidad de costosos equipos de laboratorio.
Implicaciones para la Industria Farmacéutica
China, con su floreciente industria farmacéutica, y Estados Unidos, con su fuerte enfoque en la investigación y desarrollo, están liderando el camino en la adopción de IA para descubrir nuevos medicamentos. ActFound representa un avance significativo en este campo, con potencial para transformar el descubrimiento de fármacos al permitir una evaluación más rápida y económica de los compuestos.
“El modelo ActFound no solo ofrece una herramienta más precisa y accesible, sino que también abre nuevas posibilidades para la predicción de bioactividad y el desarrollo de medicamentos,” indicaron los investigadores. Esta tecnología emergente podría desempeñar un papel crucial en la identificación de tratamientos innovadores y en la optimización de los procesos de desarrollo farmacéutico.
Con avances como ActFound, el futuro del descubrimiento de medicamentos podría estar marcado por una mayor eficiencia y menores costos, lo que podría tener un impacto significativo en la salud global y en la forma en que se desarrollan los tratamientos para diversas enfermedades.
vía: SCMP
