Las terapias basadas en proteínas representan un avance médico en expansión, pero los métodos actuales hacen que su desarrollo sea largo, costoso y, a menudo, infructuoso. Además, la tendencia actual deriva hacia el desarrollo de moléculas multiespecíficas, capaces de interactuar con más de una diana para alcanzar respuestas biológicas complejas, lo que aumenta la dificultad de todo el proceso.
En una revisión reciente, investigadores de Amgen apuestan por la biología generativa (BG) como elemento clave para el desarrollo rápido y eficiente de nuevas terapias complejas basadas en proteínas. La BG surge de la combinación de los últimos modelos de inteligencia artificial (IA), especialmente aprendizaje automático (AA), con avances tecnológicos innovadores en ciencias de la vida para automatizar el proceso de desarrollo de nuevas biomoléculas con propiedades específicas.
Publicado en Trends in Pharmacological Sciences, el artículo repasa los últimos avances en este sentido, así como las limitaciones que habrá que superar para una implementación efectiva de la BG.
Una de las principales limitaciones de la BG es la escasez de datos para entrenar la IA
Según los autores, los avances en AA apuntan que permitirán la rápida iteración de los ciclos de diseño, fabricación, testeo y aprendizaje (DMTL, por las siglas en inglés) que caracterizan a la BG, y que son necesarios para el descubrimiento eficiente de proteínas con características preespecificadas. Además, esperan que la llegada de la computación cuántica permita mejorar todo el proceso.
En cuanto a avances tecnológicos en biología molecular, ponen como ejemplo las plataformas para producir proteínas recombinantes de gran calidad y de forma rápida. También serán necesarios avances que permitan evaluar que la molécula diseñada se comporta según lo esperado, tanto in vitro como in vivo, y finalmente estimar su funcionalidad en humanos.
Entre las limitaciones, la principal es, según los expertos, la escasa disponibilidad de datos sobre estructura y funcionalidad de esta nueva generación de proteínas multiespecíficas para entrenar modelos de AA específicos para evaluar su potencial. En este sentido, una posible solución es que biobancos, laboratorios académicos e industria compartan sus datos libres de información sensible para un aprendizaje federado como el que se ha llevado a cabo en el proyecto europeo
MELLODDY.
Los autores consideran que la BG está llamada a transformar el diseño de fármacos, y que permitirá desarrollar proteínas dirigidas a múltiples dianas, eludir respuestas inmunitarias y diseñar tratamientos específicos para cada paciente o grupo de pacientes, entre otras ventajas.
Referencia:
Mock M, Langmead CJ, Grandsard P, Edavettal S, Russell A. Recent advances in generative biology for biotherapeutic discovery.
Trends Pharmacol Sci. Published online January 31, 2024.
doi:10.1016/j.tips.2024.01.003
OAD-ES-AMG-0001
Aceptar y salir
