UniLingo3DMol: a unified 3D molecular language model for de novo and fragment-based drug design

La búsqueda de nuevos medicamentos es una tarea monumental, a menudo comparada con la de encontrar una aguja específica en un pajar que cambia constantemente de forma. Durante décadas, los científicos han dependido de dos estrategias principales para diseñar estas agujas. Un enfoque analiza la forma química de las moléculas que ya se sabe que funcionan, retocándolas ligeramente para ver si se vuelven mejores. El otro enfoque observa la forma tridimensional del objetivo de la enfermedad en sí, como una cerradura, e intenta diseñar una llave que encaje perfectamente en sus huecos. Si bien ambos métodos son útiles, tradicionalmente se han mantenido separados. La inteligencia artificial ha comenzado a ayudar en ambos, pero la mayoría de los programas informáticos están especializados: o bien son buenos retocando químicos existentes, o bien son buenos diseñando nuevas formas para una cerradura específica, pero rara vez ambas cosas al mismo tiempo. Esta separación obliga a los investigadores a cambiar de herramientas y de mentalidad, lo que ralentiza el proceso de descubrimiento y evita que el ordenador aprenda la imagen completa de cómo un fármaco interactúa con un objetivo de enfermedad.

Un equipo de investigadores ha presentado ahora un nuevo sistema de inteligencia artificial llamado UniLingo3DMol que cierra esta brecha. En lugar de utilizar herramientas separadas para diferentes etapas del diseño de fármacos, este sistema utiliza un lenguaje único y unificado para describir moléculas en tres dimensiones. Puede generar candidatos a fármacos completamente nuevos desde cero, o puede tomar una pieza específica de un fármaco conocido y construir una nueva molécula a su alrededor, todo ello teniendo en cuenta la compleja forma tridimensional del objetivo de la enfermedad. Los investigadores probaron este sistema en más de cien objetivos biológicos diferentes y descubrieron que podía producir moléculas de tipo farmacológico que encajaban mejor y con mayor precisión en sus objetivos que los modelos informáticos existentes. Para demostrar que funcionaba en el mundo real, el equipo utilizó el sistema para diseñar un nuevo inhibidor para una proteína llamada CBL-B, que interviene en la regulación del sistema inmunitario. El compuesto resultante mostró una fuerte actividad en pruebas de laboratorio y, combinado con un anticuerpo de inmunoterapia existente, logró reducir los tumores en ratones en un 76 por ciento.

La innovación central de este trabajo reside en cómo el ordenador "ve" una molécula. Los métodos tradicionales suelen describir una molécula como una lista plana de átomos y enlaces, lo que dificulta que el ordenador comprenda cómo se vería esa moléza en el espacio tridimensional cuando intenta encajar en una proteína. El nuevo sistema utiliza un enfoque de secuencia dual. Descompone una molécula en fragmentos significativos, como anillos de átomos o cadenas laterales, y luego describe cómo se conectan esos fragmentos entre sí mediante un conjunto de punteros. Esto permite al ordenador reorganizar el orden de los fragmentos sin romper la molécula, de forma muy parecida a barajar una baraja de cartas manteniendo intactos los palos. Esta flexibilidad es crucial porque permite al sistema aprender de dos tipos de datos muy diferentes a la vez: el vasto espacio químico de todas las moléculas posibles y las estructuras específicas de alta resolución de moléculas que ya se sabe que se unen a las proteínas.

Para enseñar al sistema, los investigadores construyeron una base de datos masiva llamada RComplex, que contiene millones de complejos proteína-ligando. Organizaron estos datos en tres niveles de confianza, que van desde las estructuras más seguras, determinadas directamente por cristalografía de rayos X, hasta las menos seguras, predichas por acoplamiento computacional. El proceso de entrenamiento ocurrió en tres etapas. Primero, el sistema aprendió las reglas básicas de la química y cómo se disponen los átomos en el espacio utilizando una biblioteca de ocho millones de moléculas virtuales. Después, aprendió cómo estas moléculas interactúan con los bolsillos proteicos, utilizando los datos menos seguros pero abundantes de la base de datos. Finalmente, refinó su comprensión utilizando únicamente las estructuras experimentales de mayor calidad. Este enfoque paso a paso aseguró que el sistema aprendiera el lenguaje fundamental de la química antes de intentar dominar el complejo dialecto de la unión a las proteínas.

Los investigadores evaluaron el sistema frente a otros seis modelos líderes de inteligencia artificial utilizando un conjunto estándar de ciento dos objetivos proteicos. El nuevo sistema los superó a todos. Generó un mayor porcentaje de moléculas que parecían fármacos reales, lo que significa que tenían el equilibrio adecuado de tamaño, complejidad y propiedades químicas. Más importante aún, las formas tridimensionales que produjo encajaban en los objetivos proteicos con mayor precisión. Cuando los investigadores comprobaron si las moléculas generadas podían reproducir los patrones de unión de fármacos activos conocidos, el nuevo sistema tuvo éxito en más del setenta por ciento de los casos, un salto significativo respecto a la tasa de éxito inferior al treinta y cinco por ciento de los otros modelos. También funcionó mucho más rápido, generando quinientas moléculas válidas en unos treinta segundos, mientras que los otros modelos tardaban entre trece minutos y más de tres horas en realizar la misma tarea.

Para demostrar que esto no era solo un ejercicio informático, el equipo aplicó el sistema a un desafío específico: diseñar un inhibidor para CBL-B. Esta proteína es un objetivo atractivo para la inmunoterapia contra el cáncer porque actúa como un freno en el sistema inmunitario; desactivarla podría ayudar al cuerpo a combatir el cáncer de manera más eficaz. El equipo partió de un inhibidor conocido unido a la proteína CBL-B y pidió al sistema que generara nuevas moléculas que mantuvieran dos partes específicas del fármaco original pero cambiaran el resto para encontrar un mejor ajuste. El sistema generó cientos de miles de candidatos, que luego fueron filtrados hasta obtener unos pocos prospectos prometedores. Uno de ellos, un compuesto al que llamaron Cmpd. 7, fue sintetizado y probado. Mostró una fuerte actividad en el laboratorio, y su estructura cristalina confirmó que se unía a la proteína exactamente como el ordenador había predicho.

Basándose en este éxito, los investigadores utilizaron el sistema de nuevo para optimizar el compuesto aún más. Mantuvieron las partes de Cmpd. 7 que funcionaban bien y pidieron al sistema que rediseñara la sección restante para mejorar su interacción con la proteína. Esta ronda de generación produjo un nuevo prospecto, Cmpd. 20. Al probarse en ratones con tumores, el Cmpd. 20 por sí solo mostró cierta actividad, pero al combinarse con un anticuerpo PD-1 estándar, resultó en una reducción del crecimiento tumoral del 76 por ciento. El compuesto también mostró un perfil de seguridad favorable en las pruebas iniciales, con una baja inhibición de ciertas enzimas hepáticas que suelen causar interacciones farmacológicas. Todo el proceso, desde la generación informática inicial hasta las pruebas finales en animales, destacó cómo un enfoque unificado puede agilizar el camino desde una idea digital hasta un medicamento potencial.

El estudio también exploró los límites de la tecnología actual. Aunque el sistema es altamente eficaz, depende de imágenes estáticas de proteínas, que en realidad son flexibles y se mueven en el cuerpo. Los investigadores señalaron que las versiones futuras podrían incorporar el movimiento de las proteínas para hacer los diseños aún más robustos. También sugirieron que el sistema podría mejorar mediante la recuperación de fragmentos químicos específicos de bases de datos externas en tiempo real, lo que le permitiría adaptarse a nuevos descubrimientos científicos sin necesidad de ser reentrenado desde cero. Estas posibles mejoras apuntan hacia un futuro donde la inteligencia artificial actúe como un compañero continuo en el descubrimiento de fármacos, aprendiendo y refinando constantemente sus diseños a medida que la nueva información esté disponible.

El éxito de UniLingo3DMol sugiere que el futuro del diseño de fármacos puede no residir en herramientas especializadas para tareas específicas, sino en sistemas unificados que puedan gestionar todo el proceso. Al enseñar a la inteligencia artificial un lenguaje que abarque tanto la química de la molécula como la geometría del objetivo, los investigadores han creado una herramienta que puede navegar el complejo paisaje del descubrimiento de fármacos de manera más eficiente que nunca. La capacidad de generar candidatos a fármacos tridimensionales de alta calidad en segundos, y de validarlos en organismos vivos, marca un paso significativo en la aplicación de la inteligencia artificial a la salud humana. El trabajo demuestra que, cuando los modelos informáticos se diseñan para imitar la forma holística en que piensan los expertos humanos sobre el diseño de fármacos, pueden producir resultados que no solo son teóricamente sólidos, sino prácticamente efectivos.