La combinación de inteligencia artificial, modelado molecular avanzado y secuenciación genómica podría transformar la medicina. Con la inversión correcta, el Reino Unido podría liderar este cambio, escribe Profesor Syma Khalid de la Universidad de Oxford
La inteligencia artificial está avanzando en cada área de la vida. Recientemente, dos drogas potenciales, una contra la gonorrea, otra contra MRSA, fueron diseñado completamente por AI. En paralelo, el gobierno del Reino Unido ha anunciado fondos significativos para un Nueva supercomputadora nacional e investigación de IA más amplia, parte de su plan para asegurar la posición de Gran Bretaña en tecnología global.
No es difícil imaginar lo que esto podría significar para la medicina. Imagine que el año es 2040 y le diagnostican una enfermedad que resultaría fatal hoy. En 24 horas, un laboratorio ha analizado moléculas de su cuerpo y ha producido un medicamento con precisión adaptado para usted. Esto puede sonar ambicioso, pero la inversión planificada del gobierno en infraestructura informática podría hacer posible tal futuro.
Para comprender el vínculo entre la informática y el desarrollo de fármacos, ayuda a ver cuántos medicamentos se crean hoy. Durante más de treinta años, los químicos han utilizado simulaciones por computadora basadas en las leyes de la física para modelar el comportamiento de las moléculas en el cuerpo. Estas simulaciones proporcionan información sobre cómo funcionan los sistemas biológicos y cómo se pueden alterar para tratar la enfermedad. En mi propio caso, el atractivo de este campo, conocido como química computacional, provino de poder combinar un interés de larga data en computadoras y videojuegos con química, utilizando gráficos por computadora para crear imágenes móviles de moléculas que interactúan en tiempo real.
Incluso ahora, ver mover una proteína simulada y exponer inesperadamente un posible objetivo fármaco es una experiencia increíble y emocionante. Estas técnicas se han utilizado en el descubrimiento de al menos 70 medicamentos aprobados, incluidos el tratamiento contra el cáncer de Novartis, Gleevec y el medicamento contra la influenza de Roche Tamiflu. El trabajo temprano en este campo a menudo se mantuvo dentro de las paredes de la propia institución del investigador, pero a medida que las computadoras se han vuelto más poderosas, las simulaciones han crecido en precisión y poder predictivo.
Sin embargo, la mayoría de las simulaciones todavía se simplifican. A menudo se parecen al tubo de ensayo de un químico, que contiene agua, el objetivo previsto y el medicamento. Este enfoque no puede explicar la completa complejidad de la biología humana y no puede predecir los efectos secundarios o las diferencias en la forma en que las personas responden al mismo tratamiento. Para superar esto, necesitamos modelos que replicen más estrechamente los sistemas vivos, es decir, modelos que incluyen los entornos abarrotados y variados de células, tejidos y organismos enteros.
Aquí es donde la IA entra en sí misma. Los modelos complejos producen grandes volúmenes de datos que no pueden analizarse fácilmente mediante la computación convencional o por inspección humana. El reciente trabajo de mi equipo sobre las membranas bacterianas, por ejemplo, mostró que los modelos más complejos generan resultados en los que las tendencias no son obvias, incluso para los científicos experimentados. La IA puede procesar grandes conjuntos de datos, identificar patrones y hacer predicciones que guíen más investigaciones.
Los investigadores ya han comenzado a combinar la IA con simulaciones basadas en la física. Durante la pandemia Covid-19, este enfoque se utilizó para predecir la estructura de la superficie del virus SARS-Cov-2, una contribución reconocida con el Premio inaugural Gordon Bell para la investigación covid.
El siguiente paso lógico es combinar AI, simulaciones avanzadas y las supercomputadoras más rápidas para diseñar medicamentos adaptados a la biología de cada individuo. Para hacer esto, también debemos comprender las diferencias genéticas entre las personas. Un ejemplo familiar es una infección bacteriana tratada en la atención primaria: puede tomar más de un curso de antibióticos encontrar una que funcione, a pesar de que todos los medicamentos son efectivos en el laboratorio. La razón es que las diferencias genéticas, qué proteínas están presentes en el cuerpo y en qué cantidades, afectan la forma en que respondemos a tratamientos específicos. Estas variaciones solo ahora se están mapeando a escala.
Tecnologías modernas de secuenciación de ADN, como las desarrolladas por Oxford Nanopore Technologiesestán haciendo que sea más rápido y más barato identificar estas diferencias. En un episodio de nuestro Podcast de Ciencias del TimesGordon Sanghera, CEO de Oxford Nanopore Technologies, explicó que nuestros genomas contienen información sobre nuestros riesgos de enfermedad y la probabilidad de que nos beneficiemos de medicamentos particulares. Sus técnicas de secuenciación pueden descubrir esta información de manera rápida y económica. La integración de tales datos genómicos en simulaciones impulsadas por la IA será esencial para crear medicamentos verdaderamente personalizados.
Esto requerirá una infraestructura importante. Tanto la IA como el modelado basado en la física no solo necesitan procesadores potentes sino también de almacenamiento de datos de alta capacidad, conexiones rápidas y personal calificado. El costo es alto: las supercomputadoras de El Capitán y Frontier en los Estados Unidos cuestan alrededor de $ 600 millones, mientras que Júpiter, instalado en Jülich, Alemania, cuesta alrededor de $ 500 millones. En este contexto, la promesa del gobierno del Reino Unido de £ 1 mil millones por IA y £ 750 millones para una nueva supercomputadora nacional después de que la última revisión de gastos sea bienvenida, pero debe verse como el primer paso en un programa sostenido de inversión.
El profesor Jonathan Essex de la Universidad de Southampton ha señalado que tales instalaciones permitirán el rápido desarrollo de nuevas herramientas para el diseño de fármacos, particularmente en las terapias de anticuerpos: “Podremos desarrollar y aplicar nuevas herramientas para diseñar mejores productos farmacéuticos mucho más rápido que antes, particularmente en el área de cambio rápido de las terapias de anticuerpos”. Pero sin fondos a largo plazo y planificación estratégica, el Reino Unido corre el riesgo de quedarse detrás de los países que ya han realizado grandes y continuas inversiones en esta área.
Para mí, la química computacional siempre ha sido sobre la combinación de rigor científico e innovación técnica. Ahora siento cierta envidia de mis alumnos y mi equipo de investigación: este es un momento sin precedentes y emocionante para trabajar en el campo. Todavía me parece notable ver una simulación revelar una posibilidad inesperada de tratamiento.
Pero el objetivo real es garantizar que cuando se diagnostica a un paciente, el medicamento adecuado se puede crear para ellos sin demora. Si el Reino Unido construye la infraestructura y la experiencia ahora, esos medicamentos podrían ser desarrollados aquí por científicos que hemos entrenado, tal vez incluso por mí, o alguien de mi laboratorio, cuando alcanzo la vejez y los necesito. Si no lo hacemos, se desarrollarán en otro lugar, y tanto la capacidad como los beneficios se perderán.
La profesora Syma Khalid es profesora de microbiología computacional en el Departamento de Bioquímica de la Universidad de Oxford, y miembro y tutor en St Anne’s College. Su investigación se especializa en el uso de simulaciones por computadora para estudiar la maquinaria molecular de los microbios y su papel en la salud y la enfermedad. Ella es la presidenta de HECBIOSIM, que asigna recursos en instalaciones de supercomputación nacionales y regionales para simulaciones biomoleculares. Ella también es cohost del popular podcast de ciencias, Science of the Times
Imagen principal: Google Deepmind