Investigadores de la Universidad Nacional del Nordeste y el CONICET desarrollaron GraphPert, una herramienta de inteligencia artificial diseñada para identificar medicamentos ya existentes que podrían tener nuevos usos terapéuticos, con una primera aplicación enfocada en el melanoma.
Investigadores de la Universidad Nacional del Nordeste y el CONICET desarrollaron GraphPert, una herramienta de inteligencia artificial diseñada para identificar medicamentos ya existentes que podrían tener nuevos usos terapéuticos, con una primera aplicación enfocada en el melanoma.
El trabajo fue realizado en el Laboratorio de Estructura Molecular y Propiedades del Instituto de Química Básica y Aplicada del Nordeste Argentino, con sede en la Facultad de Ciencias Exactas, Naturales y Agrimensura de la UNNE.
El equipo está integrado por Germán Andrés Conti, becario doctoral del CONICET; Ernesto Rafael Pérez, personal de apoyo del organismo; y los investigadores José Leonardo Gomez Chavez y Emilio Luis Angelina.
Cómo funciona GraphPert
El sistema trabaja con una red formada por 12.458 proteínas humanas y analiza cómo las alteraciones provocadas por una enfermedad o por un medicamento se propagan a través de las conexiones entre esas proteínas.
Para ello utiliza información proveniente de Connectivity Map, una base de datos que reúne más de un millón de registros sobre cambios en la actividad de 978 genes de referencia luego de tratar células con distintos compuestos o modificar la actividad de determinados genes.
En el caso del melanoma, GraphPert buscó medicamentos capaces de reproducir el efecto de desactivar BRAF V600E, una alteración genética vinculada con este tipo de cáncer de piel.
Una prueba retrospectiva con resultados superiores al 80%
Para evaluar el desempeño del modelo, los investigadores realizaron una prueba retrospectiva utilizando información ya existente, sin desarrollar nuevos ensayos de laboratorio.
GraphPert obtuvo un puntaje superior a 0,80 en una escala donde 0,5 equivale al azar y 1 representa un acierto total.
GraphPert obtuvo un puntaje superior a 0,80 en una escala donde 0,5 equivale al azar y 1 representa un acierto total.
La prueba incluyó medicamentos conocidos por bloquear la vía de señalización MAPK mezclados con otros compuestos sin actividad conocida sobre esa vía. La proporción utilizada fue de aproximadamente un compuesto activo por cada nueve señuelos.
El equipo repitió luego el análisis en células HT29 de cáncer de colon y recto, que también presentan BRAF V600E aunque tienen otras alteraciones genéticas, y obtuvo resultados similares.
Compuestos que otros métodos no habían priorizado
Al comparar GraphPert con un método directo basado únicamente en la similitud de los registros de actividad genética, ambos sistemas identificaron inhibidores conocidos de la vía MAPK.
La diferencia apareció en otros compuestos. GraphPert priorizó también inhibidores de HDAC, del proteasoma y de PARP, cuyos puntos de acción se encuentran más alejados dentro de la red de proteínas.
Según los investigadores, la ventaja del enfoque es que puede detectar medicamentos que comienzan actuando en sectores diferentes de la red pero terminan afectando funciones celulares similares a las que se modifican cuando se desactiva BRAF V600E.
El modelo puede reutilizarse para estudiar otras enfermedades sin necesidad de entrenarlo nuevamente desde cero.
Una herramienta complementaria, todavía en etapa de investigación
Los autores presentan GraphPert como una primera prueba de funcionamiento y como un complemento de los métodos tradicionales de selección de medicamentos, no como un reemplazo de las etapas experimentales y clínicas necesarias para validar un tratamiento.
Entre las limitaciones señalaron que el sistema trabaja directamente con los 978 genes medidos por la plataforma utilizada y que todavía debe probarse en una mayor variedad de células y enfermedades.
Los próximos pasos
El equipo propone ampliar el modelo con nuevas referencias biológicas, incorporar otras capas de información sobre regulación genética y desarrollar sistemas de decisión que permitan evaluar también compuestos que todavía no fueron suficientemente estudiados.
El modelo puede reutilizarse para estudiar otras enfermedades sin necesidad de entrenarlo nuevamente desde cero.
Para aplicarlo a otro problema se necesita un registro de referencia que represente el estado buscado y una biblioteca de compuestos medidos en el mismo tipo de célula.
El trabajo fue publicado en la revista científica Computers in Biology and Medicine, de Elsevier, bajo el título “GraphPert: un marco de trabajo basado en autoencoders de grafos para el reposicionamiento de fármacos mediante firmas transcripcionales — Un estudio de caso sobre el melanoma”.
Fuente: Diario Norte
Comunidad
0 comentarios