Científicos crean herramienta computacional útil para encontrar fármacos capaces de 'desarmar' al coronavirus

Esta herramienta única sería útil para ayudar a los investigadores a identificar moléculas capaces de “desarmar” el virus antes de que invada las células humanas, o lo deshabilite en las primeras etapas de la infección.

Científicos crean herramienta computacional útil para encontrar fármacos
Foto: Istock

A medida que avanza el proceso de vacunación en la mayoría de los países, justo cuando llevamos más de un año de pandemia de coronavirus, cada vez parece más probable alcanzar la tan ansiada inmunidad colectiva, que ayudaría a reducir o a detener la propagación del SARS-CoV-2 (el virus causante de la COVID-19).

Sin embargo, los científicos continúan en la búsqueda de tratamientos médicos efectivos para las personas que continúan enfermas por el nuevo coronavirus, especialmente cuando ha surgido la duda de qué ocurriría si la esperada inmunidad colectiva no se lograría por completo, o si el virus, al mutar, da lugar a variantes hipervirulentas que acaben disminuyendo los beneficios de la vacunación. Y es que, aunque algunos tratamientos existentes muestran muchos beneficios, existe una necesidad imperiosa de encontrar nuevas terapias.

En un artículo científico publicado hace algunos días en la revista especializada ‘Nature Machine Intelligence’, investigadores de la Universidad de Nuevo México han presentado un conjunto de modelos computacionales en línea, de código abierto, que ayudaría a los expertos a detectar rápidamente moléculas pequeñas en busca de posibles propiedades para tratar y combatir la COVID, bautizado con el nombre de REDIAL-2020.

Según los expertos del Centro Nacional para el Avance de las Ciencias Traslacionales (NCATS), esto podría ayudar a reemplazar los experimentos de laboratorio, gracias a que a día de hoy existen tantos datos disponibles que los científicos pueden construir modelos sólidos de aprendizaje automático.

Los resultados de los ensayos llevados a cabo por los científicos del NCTAS midieron la capacidad de cada molécula para inhibir la entrada viral, la infectividad y la reproducción, así como el efecto citopático, la capacidad que presenta una célula para protegerse de la muerte causada por la acción del virus.

A diferencia de lo que suelen hacer los investigadores de biomedicina, que tienden a centrarse sobre todo en los hallazgos positivos de sus estudios, en este caso los científicos también informaron de la presencia de moléculas que no tenían efectos en la lucha contra los virus. Sin embargo, la inclusión de datos negativos, en realidad, ayudaría a mejorar la precisión del aprendizaje automático.

Como opinan los expertos, “el coronavirus es un adversario astuto”, pero esperan poder diseñar un cóctel de múltiples fármacos que sean capaces de atacar al virus en múltiples frentes.

¿Qué es y cómo funciona REDIAL-2020?

El conjunto de modelos computacionales diseñado por los expertos se basa en algoritmos de aprendizaje automático capaces de procesar rápidamente grandes cantidades de datos, además de detectar patrones ocultos que un investigador humano podría no percibir.

Posteriormente, el equipo de científicos validó las predicciones de aprendizaje automático a partir de los datos del Centro Nacional para el Avance de las Ciencias Traslacionales, comparándolas con los efectos conocidos de los fármacos ya probados en la base de datos de DrugCentral, de la Universidad de Nuevo México.

Una de sus principales ventajas es la flexibilidad del flujo de trabajo computacional, por lo que podría ser entrenado para la evaluación de compuestos contra otros patógenos, además de evaluar productos químicos que, todavía, no han sido probados para su uso humano.

Y es que, aunque los expertos persiguen el objetivo de reutilizar fármacos, también se están centrando en cualquier otra molécula pequeña. Y no tendría que ser un medicamento aprobado; en definitiva, “cualquiera que pruebe su molécula podría encontrar algo importante”.

Se trataría, por tanto, de una herramienta única sumamente útil e interesante a la hora de identificar moléculas capaces de atacar el virus antes de que invada las células humanas. O incluso deshabilitarlo o “desactivarlo” en las primeras etapas de la infección.

Referencia: Govinda B. KC et al, A machine learning platform to estimate anti-SARS-CoV-2 activities, Nature Machine Intelligence (2021). DOI: 10.1038/s42256-021-00335-w.

Vídeo de la semana

Continúa leyendo