Predicción del modo de acción de nuevos fármacos contra el cáncer con IA
Aceleración del desarrollo de nuevos medicamentos contra el cáncer
Plantas, hongos y bacterias producen una variedad de sustancias activas que alteran el metabolismo celular, a veces hasta el punto de provocar la muerte celular. Esto las convierte en prometedoras candidatas a nuevos fármacos contra el cáncer y otras enfermedades. Aunque existe una amplia gama de bioactivos, el desarrollo de nuevos fármacos contra el cáncer está resultando difícil debido a la lenta y costosa elucidación de su modo de acción. Científicos del Instituto Leibniz de Bioquímica Vegetal y colaboradores de la Universidad Martin Luther de Halle-Wittenberg y la Universidad de Dhofar (Omán) han dado ahora un gran paso para superar este obstáculo en el futuro. Con su moderno análisis de metabolitos celulares y una evaluación basada en la IA, han logrado predecir el modo de acción de nuevos fármacos contra el cáncer. Su estudio se ha publicado en la revista Advanced Science.
Las células cancerosas se caracterizan por divisiones celulares incontroladas, que son posibles gracias a un metabolismo celular y energético extremadamente alto. La formación continua y excesiva de nuevas células requiere constantemente suficientes bloques de construcción de ADN y grasas para las nuevas membranas celulares. Esta regulación anormal de las vías metabólicas centrales distingue a las células malignas de las normales y es, por tanto, un buen objetivo terapéutico. La mayoría de los fármacos anticancerígenos conocidos influyen directa o indirectamente en el metabolismo tumoral hiperactivo, lo que provoca la muerte de las células proliferantes. Los fármacos contra el cáncer pueden, por ejemplo, bloquear la absorción de azúcar en las células o inhibir determinadas enzimas necesarias para generar energía o producir ácidos grasos. Como toda división celular va precedida de una duplicación del material genético, el bloqueo de la biosíntesis del ADN y de la propia división celular es también un buen objetivo para los agentes anticancerígenos.
En concreto, los distintos inhibidores tumorales -dependiendo del compuesto bioactivo utilizado- incapacitan a las células cancerosas para formar cantidades suficientes de determinados intermediarios metabólicos. En su conjunto, estos metabolitos de las células tumorales forman un patrón o perfil metabólico muy específico. Los métodos de espectrometría de masas, por ejemplo, permiten estudiar los perfiles de metabolitos, también conocidos como metabolómica. Según la hipótesis de los científicos, las sustancias activas que atacan las mismas proteínas diana en las células cancerosas también producirán perfiles metabólicos similares. Para comprobarlo, aplicaron 38 sustancias citotóxicas diferentes -incluidos algunos fármacos anticancerígenos utilizados actualmente con modos de acción ya conocidos- a células de cáncer de próstata y registraron a continuación los perfiles metabólicos de las células tratadas.
De este modo, comprobaron que los inhibidores tumorales con los mismos mecanismos de acción producen perfiles metabólicos similares y pudieron asignar los patrones metabólicos de las células tumorales tratadas a los fármacos contra el cáncer probados. Estas correlaciones entre el modo de acción de un fármaco y su huella metabólica en las células cancerosas tratadas se utilizaron como datos de entrenamiento para la IA. Después, los científicos de Halle aplicaron nuevas sustancias vegetales naturales con propiedades anticancerígenas demostradas a las células cancerosas de próstata para determinar los perfiles metabólicos correspondientes.
Con ayuda del aprendizaje automático, pudieron predecir con fiabilidad el modo de acción de los nuevos compuestos bioactivos. Por ejemplo, triterpenos como el ácido 11-ceto-β-boswélico del incienso, el ácido maslínico como componente del aceite de oliva y el ácido betulínico de la corteza de abedul bloquean el metabolismo energético de las células cancerosas y, por tanto, las matan. Las predicciones de la IA a partir del entrenamiento de muestras del modelo de cáncer de próstata se probaron también con modelos celulares de cáncer de mama y sarcoma de Ewing, en los que también proporcionaron buenas predicciones, aunque menos precisas, ya que la IA no estaba entrenada en estos tipos celulares.
Esta combinación de metabolómica e IA es un método excelente para predecir mejor el modo de acción de sustancias naturales citotóxicas y acelerar así el desarrollo de nuevos fármacos contra el cáncer, concluyen los científicos. El nuevo método también puede proporcionar una comprensión más precisa del modo de acción de los agentes quimioterapéuticos ya utilizados y para descubrir cualquier efecto fisiológico desconocido o interacciones con otros fármacos. Esto es especialmente útil para el uso de diversos agentes antitumorales en quimioterapia combinada. El poder predictivo de este enfoque mejorará aún más aumentando el número de conjuntos de entrenamiento y ampliándolo a otros fármacos de entrenamiento y otros tipos de células cancerosas.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Mohamad Saoud, Jan Grau, Robert Rennert, Thomas Mueller, Mohammad Yousefi, Mehdi D. Davari, Bettina Hause, René Csuk, Luay Rashan, Ivo Grosse, Alain Tissier, Ludger A. Wessjohann, Gerd U. Balcke; "Advancing Anticancer Drug Discovery: Leveraging Metabolomics and Machine Learning for Mode of Action Prediction by Pattern Recognition"; Advanced Science, 2024-10-21
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
