Se trata de un sistema que emplea machine learning para determinar toxicidad de péptidos con potencial terapéuticos; tiene acceso libre para todos los investigadores.
Ciudad de México.- Con un valor de mercado que supera los 300 mil millones pesos a nivel mundial y un incremento anual de ocho por ciento de productos aprobados, de acuerdo con la Administración de Medicamentos de Estados Unidos, los péptidos terapéuticos toman cada vez mayor relevancia en la industria farmacéutica mundial.
Estos productos aún son considerados por algunas empresas y grupos de investigación una inversión de alto riesgo, debido a la falta de estabilidad metabólica, labilidad durante el almacenamiento, mala biodisponibilidad oral o toxicidades indeseables, los cuales que requieren intervenciones adicionales.
Sin embargo, los amplios beneficios que ofrecen los péptidos terapéuticos, tal es el caso de su alta especificidad frente a dianas terapéuticos, contra el cáncer, enfermedades cardiovasculares o infecciones microbianas, hacen que estos productos sean cada vez más estudiados en diversas partes del orbe.
Por ello, el sistema de modelación de péptidos presentado recientemente en la revista especializada Scientific Reports, y desarrollado por la Unidad de Genómica Avanzada (UGA) del Cinvestav, se convierte en una herramienta de gran utilidad para diversos grupos de investigación interesados en las alternativas terapéuticas basadas en péptidos.
Se trata de un ensamble de modelos predictivos basados en inteligencia artificial, desarrollado por Fabien Plisson, catedrático Conacyt adscrito a UGA Cinvestav, con el cual se pueden identificar, desde etapas tempranas, la toxicidad que presenta un péptido y, de resulta altamente tóxico, ayuda a modificar sus estructuras para disminuir esa toxicidad sin perturbar o disminuir sus actividades antibacterianas, antifúngicas, anticancerígenas o antivirales.
Esto puede ayudar a los investigadores que estén estudiando algún péptido terapéutico (natural o sintético) a que, a través de una computadora, puedan analizar las características y prueben ciertos cambios en las estructuras, sin que sea necesario hacerlo in vitro, lo que conlleva ahorros no solo de horas laborales, sino también de recursos.
Si bien estos sistemas ya se han empleado en el análisis de péptidos terapéuticos, al probarse con una librería de alrededor de 3 mil péptidos antimicrobianos, los cuales son candidatos prometedores contra las infecciones resistentes bacteriana a los antibioticos convencionales. La mayoría de estos péptidos presentes en los ensayos clínicos se administran de manera tópica debido a su alta toxicidad.
El modelo predictivo desarrollado en el Cinvestav encontró que aproximadamente el 67 por ciento de todos los péptidos antimicrobianos se predecirán como tóxicos. Sin embargo, el modelo ya ha filtrado y encontrado una base de datos existente para usar péptidos con capacidad de ser antimicrobianos y que han mostrado baja toxicidad.
Además, al emplear inteligencia artificial, el sistema realiza una clasificación correcta de los péptidos, incluso es posible determinar la cantidad de componentes hidrofóbico o hidrofílico, entre otras características, y en caso de no tener una referencia del material analizado da aviso de una limitación a fin de evitar resultados erróneos.
“La idea es que nuestro modelo predictivo sirva para identificar de manera temprana en la investigación o durante el diseño de péptidos análogos, si las opciones con las que trabaja el investigador cuentan con la actividad biológica de interés y predecir su toxicidad”, explicó Fabien Plisson.
El sistema de modelación de péptidos desarrollado por el Cinvestav está diseñado para que, desde un equipo de cómputo ordinario con escasos requerimientos técnicos, pueda ser empleado de manera gratuita. Los datos y los scripts están disponibles en un repositorio de Github. Actualmente se está desarrollando una interfaz de programación de aplicaciones (o API en inglés) a través de un servidor externo y estará disponible en breve para extender el uso de tales modelos predictivos a los científicos (usuarios) no informáticos.
Los usuarios para los que están pensado el sistema son por lo general bioquímicos que trabajan péptidos de fuente natural o haciendo análogos, ya sea sector público o privado, aunque también lo pueden emplear investigadores interesados en la química computacional o bioinformática. (CINVESTAV)
Autor
Otros artículos del mismo autor
EL MUNDO22 noviembre, 2024Preocupa a la ONU la ampliación de delitos sujetos a Prisión Preventiva Oficiosa en México- BIENESTAR Y SALUD22 noviembre, 2024Estudio señala que los cigarrillos electrónicos de sabores son más adictivos porque contienen mayor porcentaje de nicotina
- DEPORTES22 noviembre, 2024Cristiano Ronaldo incursiona en el pádel
- EL MUNDO22 noviembre, 2024Quien contamina paga: El tratado sobre la contaminación por plásticos debe garantizar la rendición de cuentas
