La IA acelera el descubrimiento de compuestos crioprotectores para el transporte y almacenamiento de medicamentos

17 de septiembre de 2024

  • Los investigadores construyen un modelo de IA capaz de generar compuestos crioconservantes
  • Los compuestos crioconservantes ayudan a transportar materiales sensibles al calor, como la sangre
  • Un compuesto generado mejoró la conservación de los glóbulos rojos en pruebas de laboratorio
Investigación Ai

Los científicos han desarrollado un nuevo sistema de aprendizaje automático que podría ayudar a conservar vacunas, sangre y otros tratamientos médicos. 

En investigaciónpublicado en Nature Communications, fue dirigido por la Universidad de Warwick y la Universidad de Manchester.

El sistema de IA ayuda a identificar moléculas llamadas crioprotectores, compuestos que evitan daños al congelar materiales biológicos. 

Los crioprotectores son sustancias especiales que ayudan a proteger las células y los tejidos vivos de posibles daños cuando se congelan.

Actúan impidiendo la formación de los dañinos cristales de hielo, que básicamente rompen el tejido al congelarlo, y también ayudan a las células a mantener su estructura en condiciones de frío extremo.

Estos compuestos son fundamentalmente importantes para preservar cosas como vacunas, muestras de sangre y células reproductoras para su almacenamiento o transporte a largo plazo.

Los criopreservantes podrían utilizarse algún día para preservar órganos, tejidos complejos o incluso seres humanos enteros.

En la actualidad, la búsqueda de nuevos crioprotectores es un proceso lento de ensayo y error. Este nuevo enfoque basado en ML permite a los investigadores examinar rápidamente cientos de moléculas potenciales de forma virtual.

He aquí algunos puntos clave del estudio:

  1. El equipo creó un modelo de aprendizaje automático entrenado con datos de crioprotectores existentes.
  2. Este modelo puede predecir la eficacia de nuevas moléculas como crioprotectores.
  3. Los investigadores utilizaron el modelo para examinar una biblioteca de unos 500 aminoácidos.
  4. El sistema identificó varios compuestos prometedores, entre ellos un éster de aminooxazol que superaba a muchos crioprotectores conocidos.
  5. Las pruebas de laboratorio confirmaron las predicciones de la IA, y el nuevo compuesto demostró una gran capacidad para prevenir los cristales de hielo.
  6. La molécula descubierta mejoraba la conservación de los glóbulos rojos cuando se combinaba con las técnicas habituales.

El éster aminooxazólico identificado por el estudio demostró unas cualidades de inhibición de la recristalización del hielo (IRI) especialmente notables. Impidió casi por completo que los cristales de hielo aumentaran de tamaño durante el proceso de congelación.

El compuesto fue eficaz incluso cuando los investigadores redujeron su concentración. Además, también mantuvo sus propiedades inhibidoras del hielo en solución salina tamponada con fosfato (PBS), una solución que imita la concentración de sal en el cuerpo humano.

El Dr. Matt Warren, estudiante de doctorado que encabezó el proyecto, describió cómo el modelo acelera la eficiencia: "Tras años de laboriosa recopilación de datos en el laboratorio, es increíblemente emocionante disponer ahora de un modelo de aprendizaje automático que permite un enfoque basado en datos para predecir la actividad crioprotectora."

El profesor Matthew Gibson, de Manchester, añade: "Los resultados del modelo informático fueron sorprendentes, identificando moléculas activas que yo nunca habría elegido, ni siquiera con mis años de experiencia".

La profesora Gabriele Sosso, que dirigió el equipo de Warwick, explicó en una entrada de blog que, aunque impresionante, el aprendizaje automático no es una panacea para este tipo de problemas de investigación: "Es importante entender que el aprendizaje automático no es una solución mágica para todos los problemas científicos. En este trabajo, lo utilizamos como una herramienta entre muchas otras".

Los investigadores combinaron las predicciones de la IA con simulaciones moleculares y experimentos de laboratorio, un enfoque múltiple que ayudó a validar los resultados y perfeccionar el modelo.

Esto contribuye a una serie de estudios impulsados por la IA sobre el descubrimiento de fármacos y el diseño de materiales. Los investigadores han creado modelos de IA para generar compuestos medicinalesuno de los cuales ha sido llevado a ensayo clínico.

DeepMind también creó un modelo denominado GNoME capaz de generar y sintetizar materiales automáticamente.

Los nuevos compuestos crioprotectores descubiertos podrían tener amplias repercusiones en el mundo real.

Por ejemplo, los investigadores describen cómo la mejora de la crioconservación podría prolongar la vida útil de las vacunas y facilitar el transporte de tratamientos médicos delicados a zonas remotas. 

La técnica también podría acelerar las transfusiones de sangre al reducir el tiempo necesario para procesar la sangre congelada.

Aunque los resultados son prometedores, el equipo advierte de que es necesario seguir trabajando para comprender plenamente cómo funcionan estos nuevos compuestos y garantizar su seguridad y estabilidad médica. 

Únete al futuro


SUSCRÍBETE HOY

Claro, conciso y completo. Conozca los avances de la IA con DailyAI

Sam Jeans

Sam es un escritor de ciencia y tecnología que ha trabajado en varias startups de IA. Cuando no está escribiendo, se le puede encontrar leyendo revistas médicas o rebuscando en cajas de discos de vinilo.

×

PDF GRATUITO EXCLUSIVO
Adelántese con DailyAI

Suscríbase a nuestro boletín semanal y reciba acceso exclusivo al último eBook de DailyAI: 'Mastering AI Tools: Su guía 2024 para mejorar la productividad'.

*Al suscribirse a nuestro boletín de noticias, acepta nuestra política de privacidad. Política de privacidad y nuestro Condiciones generales