Investigador utiliza IA para el desarrollo de nuevos fármacos contra la leucemia
La leucemia mieloide crónica (LMC) es un cáncer que se origina en las células productoras de sangre de la médula ósea y, de acuerdo con el Instituto Nacional de Cancerología (INC), se presenta con mayor frecuencia en adultos mayores a los 55 años, aunque también es el cáncer más común en menores de 15 años, presentando una incidencia mundial de seis casos de 10 por cada 100 mil personas.
En las últimas décadas, se han descubierto y desarrollado distintos medicamentos para el tratamiento de este padecimiento con ayuda de métodos computacionales, que contribuyen al análisis eficiente de datos, a la selección de moléculas para evaluación experimental y al diseño de nuevas estructuras químicas.
En la FES Cuautitlán, el doctor Juan Manuel Aceves Hernández, responsable del laboratorio de Nanotecnología y Modelado Molecular, utiliza Inteligencia Artificial (IA) como una herramienta para persistir en el desarrollo de fármacos con posibles usos en el tratamiento de LMC.
Imatinib vs Leucemia Mieloide Crónica
La LMC es el primer cáncer vinculado a una anomalía genética, pues el 95 % de los casos se origina por un “Cromosoma Philadelphia” (PH1) en el que existe un intercambio de material genético entre los cromosomas 9 y 22.
Uno de los tratamientos más utilizados contra la lecucemia es el Imatinib, un fármaco que fue descubierto in Silico (vía simulación computacional) a finales de la década de los noventa por los científicos Nicholas B. Lydon y Brian J. Druker, el cual ha demostrado efectividad al actuar como inhibidor de la tirosina cinasa BCR-ABL, bloqueando su lugar de unión para ATP (molécula portadora de la energía primaria para todas las formas de vida).
Por eso, en los últimos años, el doctor Aceves y su equipo de trabajo han aplicado diferentes metodologías para obtener tres derivados de Imatinib, con potencial para combatir la leucemia.
Este desarrollo universitario tiene como propósito usar las herramientas de bioinformática, redes neuronales y de IA para obtener derivados que permitan conocer mejor su comportamiento, a fin de que posteriormente analicen en el laboratorio su alcance y efecto biológico en líneas celulares cancerosas.
El investigador explicó que el objetivo central de la IA es predecir la forma en que se comportan determinadas moléculas y estudiar las probabilidades de su eficiencia para la creación de nuevas sustancias. “Los métodos computacionales agilizan el análisis eficiente de datos, la selección de moléculas para evaluación experimental, la formulación de hipótesis sobre los mecanismos de acción y el diseño de nuevas estructuras químicas selectivas y específicas.
En resumen, la implementación de nuevas tecnologías trae consigo terapias más seguras y accesibles para el paciente.
La primera etapa de esta investigación consistió en la selección de la proteína de referencia, por lo que se consideraron aquellas del tipo Tirosina Cinasa y se utilizó la base de datos Protein Data Bank (PDB), la elección fue 3GVU (estructura cristalina) del ABL humano (enzima que participa en muchos procesos celulares).
El siguiente paso fue cargar la estructura a la plataforma CavityPlus 2, luego se analizó con el submódulo CavPharmer de la misma plataforma. Los análisis arrojaron 11 modificaciones al Imatinib, es decir, estructuras planas (éstas no tienen más movimiento que el producido por las deformaciones) a través del programa ChemSketch, obteniendo su código SMILES (del inglés; Simplified Molecular Input Line Specification).
Para el tercer paso, el código SMILES se utilizó en la plataforma Molispiration en el cual se solicitó la predicción de propiedades fisicoquímicas y actividad biológica. En SMILES también se analizó en el programa Osiris, mediante el cual se obtuvieron descriptores y toxicología.
Partiendo de estos procedimientos, los universitarios seleccionaron las moléculas 2, 6 y 11 como las estructuras con un coeficiente de inhibición de Tirosina Cinasa mayor al que presenta Imatinib. Ahora los resultados deberán validarse con pruebas In Vitro (técnica para realizar un determinado experimento en un tubo de ensayo) a realizarse en líneas celulares cancerosas.
Con todo esto se demuestra el uso eficiente de la IA, ya que el tiempo de procedimiento y los costos se redujeron de manera considerable. “En tres meses hicimos lo que nos hubiera llevado cuatro años, además se disminuyó el costo hasta un 10% del total”, aseguró el doctor Aceves.
Este avance sería de gran relevancia para el país, pues de acuerdo con el académico “en México no desarrollamos investigación de punta en el área de farmacología porque resulta más sencillo comprarla; sin embargo, si lo logramos alcanzaremos riqueza intelectual e individual”.
En el futuro, el investigador trabajará en conjunto con la Universidad de Arkansas en el desarrollo de aptámeros, que son secuencias de ADN o RNA de cadena sencilla con características que no poseen los compuestos químicos tradicionales para aplicarlos en estudios de Alzheimer.
María Dolores Elizondo Alvarado