ARTÍCULO 1: El papel de la IA en el descubrimiento de fármacos
Este artículo forma parte de una serie de tres artículos sobre la IA en el descubrimiento de fármacos. Puedes explorar la serie completa
Artículo 1: El papel de la IA en el descubrimiento de fármacos
- Introducción
- ¿Cómo se usa la IA en el descubrimiento de fármacos?
- ¿Cuál fue el primer fármaco descubierto por IA?
Artículo 2: El impacto de la IA en la industria farmacéutica
- Grandes compañías farmacéuticas que incorporan IA en el descubrimiento de fármacos
- Cambiando el panorama: Empresas farmacéuticas que crecen rápidamente gracias a la IA en el descubrimiento de fármacos
Artículo 3: El futuro de la IA en el desarrollo de fármacos y la contribución de CymitQuimica
- Ventajas del uso de la IA en el desarrollo de fármacos
- El futuro de la IA en el desarrollo de fármacos
- La contribución de CymitQuimica al descubrimiento de fármacos
La fusión de IA y descubrimiento de fármacos es una frontera emocionante que ofrece un cambio de paradigma en la innovación farmacéutica.
La integración de la Inteligencia Artificial (IA) en el descubrimiento de fármacos está transformando el panorama farmacéutico al acelerar la identificación de objetivos, el diseño molecular y la optimización. Este artículo explora cómo se está aplicando la IA, las plataformas y modelos que lideran la innovación y qué esperar en el futuro.
En CymitQuimica, seguimos comprometidos en apoyar proyectos de investigación proporcionando un servicio innovador y de calidad que conecta las necesidades de los laboratorios y fabricantes de productos químicos y biológicos, esenciales para el avance de los descubrimientos farmacéuticos.
¿Cómo se utiliza la IA en el descubrimiento de fármacos?
La IA está revolucionando el descubrimiento de fármacos al mejorar la eficiencia en múltiples etapas del desarrollo farmacéutico. La combinación de diversas tecnologías dentro de la IA (aprendizaje automático, aprendizaje profundo e IA generativa) contribuye a hacer que el desarrollo de fármacos sea más sencillo, rentable y rápido.
Los investigadores aprovechan la capacidad de la IA para analizar enormes volúmenes de datos biológicos, químicos y clínicos, predecir resultados con mayor precisión y generar nuevos candidatos a fármacos.
Una contribución significativa de la IA al descubrimiento de fármacos es la selección y optimización de compuestos potenciales. Tradicionalmente, las bibliotecas de compuestos consistían en colecciones físicas de moléculas que se probaban experimentalmente para identificar interacciones con objetivos biológicos, como proteínas. Con los avances en IA, estas bibliotecas han evolucionado hacia vastas bases de datos digitales utilizadas para la selección virtual. La IA analiza estas bibliotecas para predecir cómo interactuarán los compuestos con un objetivo, acelerando las primeras etapas del descubrimiento de fármacos y mejorando la eficiencia en el desarrollo de compuestos líderes.
Además de la selección de compuestos, la IA optimiza múltiples etapas del proceso de desarrollo de fármacos, mejorando la eficiencia desde el descubrimiento inicial hasta el análisis posterior a la comercialización.
Las aplicaciones clave incluyen:
- Identificación y validación de objetivos: Las tecnologías de IA, como el aprendizaje automático y el procesamiento del lenguaje natural, permiten el análisis rápido de datos genéticos y proteómicos para identificar posibles objetivos terapéuticos. La IA puede descubrir mecanismos de enfermedades, predecir nuevos biomarcadores y mejorar la identificación de objetivos terapéuticos mediante el análisis de grandes volúmenes de datos biológicos (Mak & Pichika, 2019).
- Diseño y optimización de fármacos: Los modelos generativos basados en IA permiten diseñar nuevas moléculas con características similares a los fármacos y optimizar compuestos líderes. Al predecir las interacciones moleculares y las propiedades farmacocinéticas de los compuestos, la IA mejora la precisión del diseño de fármacos y aumenta la probabilidad de identificar candidatos prometedores (Pal et al., 2023). También puede ayudar a predecir problemas toxicológicos potenciales en las primeras etapas del desarrollo, reduciendo el riesgo de fracasos en fases avanzadas.
- Desarrollo preclínico: Los modelos in silico impulsados por IA predicen la eficacia y los perfiles de seguridad de los candidatos a fármacos, reduciendo así la necesidad de pruebas extensivas en animales. Estos modelos predictivos aceleran la fase preclínica al identificar los candidatos más prometedores para pruebas clínicas posteriores (Chakraborty et al., 2023).
- Ensayos clínicos: El papel de la IA en los ensayos clínicos está cobrando mayor relevancia, desde la optimización del reclutamiento de pacientes mediante el análisis de historiales médicos electrónicos (EHR) hasta el análisis en tiempo real de los datos de los ensayos. Los sistemas de IA pueden adaptar los protocolos de los ensayos según los resultados en curso, lo que ayuda a mejorar la eficiencia de los ensayos y los resultados para los pacientes (Editorial, 2023). También se utiliza en la medicina personalizada para predecir cómo responderán los pacientes a determinadas terapias.
- Vigilancia postcomercialización: La capacidad de la IA para analizar datos del mundo real de las poblaciones de pacientes puede ayudar a identificar reacciones adversas a los fármacos (ADR) y monitorizar la eficacia a largo plazo. Al proporcionar retroalimentación continua después de la comercialización de un fármaco, la IA mejora la seguridad del paciente y garantiza una mejor gestión postcomercialización (Mak & Pichika, 2019).
¿Cuál fue el primer fármaco descubierto por IA?
El primer fármaco descubierto por IA en entrar en ensayos clínicos fue DSP-1181, un agonista del receptor de serotonina 5-HT1A desarrollado por Exscientia en colaboración con Sumitomo Dainippon Pharma. Este fármaco, diseñado para el tratamiento del trastorno obsesivo-compulsivo (TOC), fue desarrollado en solo 12 meses, en comparación con los 4-5 años habituales mediante métodos convencionales.
El rápido desarrollo de DSP-1181 fue posible gracias a modelos de IA que analizaron millones de moléculas potenciales, optimizando su eficacia, seguridad y viabilidad como fármaco. Desde entonces, la IA se ha utilizado para diseñar múltiples candidatos a fármacos, algunos de los cuales han avanzado a ensayos clínicos, demostrando el potencial de la IA para mejorar la I+D farmacéutica.
Continúa leyendo la serie:
➡ El impacto de la IA en la industria farmacéutica (Artículo 2)