Evidence-constrained mechanistic synthesis for drug discovery

El descubrimiento de fármacos a menudo comienza con una montaña de pistas biológicas. Los científicos reúnen miles de observaciones de experimentos de laboratorio, ensayos clínicos y estudios publicados, cada uno de los cuales ofrece una pieza del rompecabezas sobre cómo funciona una enfermedad y cómo un medicamento podría detenerla. El desafío no es la falta de información, sino el exceso de ella. Los investigadores poseen frecuentemente más evidencia biológica de la que pueden traducir de forma segura en un único modelo coherente de la enfermedad. Cuando intentan forzar todos estos hechos dispares en una única ecuación rígida, corren el riesgo de crear una falsa sensación de certeza, convirtiendo realidades biológicas complejas y cambiantes en números fijos que pueden no reflejar la verdad. El objetivo es encontrar un plan de tratamiento que respete todo el peso de la evidencia sin pretender saber más de lo que los datos permiten.

Un nuevo marco llamado síntesis mecanística restringida por la evidencia aborda este problema cambiando la forma en que los científicos manejan sus hallazgos. En lugar de intentar convertir cada pieza de evidencia en una única probabilidad o un coeficiente fijo, este método trata la evidencia como un conjunto de límites. Clasifica qué información contiene realmente cada hallazgo y utiliza esa información para restringir una vasta familia de posibles modelos de la enfermedad. Imagine una gran colección de miles de hipótesis diferentes sobre cómo se comporta una enfermedad. La evidencia no elige a un ganador; en su lugar, desplaza la frecuencia de qué eventos se consideran respaldados dentro de este grupo completo. Esto mantiene la incertidumbre visible y distinta de las decisiones que los investigadores deben tomar.

Los investigadores probaron este enfoque utilizando un escenario específico del mundo real relacionado con la urticaria crónica espontánea, una condición caracterizada por ronchas persistentes. Reunieron una colección no exhaustiva de 114 hallazgos biológicos específicos provenientes de 53 fuentes diferentes y 13 recursos de datos públicos. En lugar de fusionarlos en un solo modelo, utilizaron los hallazgos para crear 18 restricciones que definieron los límites de un conjunto congelado que contenía 4,096 hipótesis diferentes. Este conjunto representa la gama completa de escenarios biológicos plausibles que permanecen consistentes con la evidencia disponible. El equipo formuló entonces la búsqueda de un régimen de tratamiento como un proceso de emparejamiento de cambios deseados en el modelo de la enfermedad. Los investigadores podían especificar qué partes del sistema biológico querían alterar y qué tan importantes eran esos cambios, permitiendo al mismo tiempo que las variables de control se ajustaran continuamente para cumplir con esos objetivos.

Para encontrar el mejor plan de tratamiento dentro de este enorme conjunto de posibilidades, el equipo utilizó un método de búsqueda específico que refinaba sistemáticamente las opciones. Validaron esta búsqueda a través de las 4,096 hipótesis en el conjunto. Los resultados mostraron que este método redujo el error en el emparejamiento de los objetivos deseados en un 27.3 por ciento en comparación con el mejor resultado encontrado entre 44 puntos de partida estándar. Crucialmente, cuando los investigadores cambiaron sus objetivos —decidiendo priorizar diferentes resultados— el sistema seleccionó un conjunto diferente de variables de control, aunque el conjunto subyacente de evidencia permaneció sin cambios. Esto demostró que el método mantiene la evidencia bruta separada de los objetivos específicos del plan de tratamiento. Un análisis complementario también destacó que la incertidumbre sobre la conexión entre los mastocitos y la enfermedad era el factor más crítico para la toma de decisiones, mostrando que qué parte de la biología importa más depende enteramente de lo que el investigador esté tratando de lograr.

Este marco está diseñado para las etapas tempranas del desarrollo de fármacos, una fase donde los científicos deben dar sentido a la literatura dispersa antes de comprometerse con un camino específico. Al hacer que los datos heterogéneos sean computables mientras mantiene la evidencia, la incertidumbre y las preferencias de decisión distintas, el método permite a los investigadores navegar la complejidad de los sistemas biológicos sin forzar una precisión falsa. Ofrece una forma de utilizar toda la profundidad del conocimiento existente para guiar las decisiones, asegurando que el camino a seguir se construya sobre lo que se conoce, reconociendo claramente al mismo tiempo lo que permanece incierto.