TDEP: Predicting Target Perturbation Response from Drug-Induced Transcriptomes

Encontrar la llave adecuada para una cerradura biológica es el desafío central del descubrimiento de fármacos moderno. Los científicos saben desde hace tiempo que los medicamentos funcionan uniéndose a proteínas específicas dentro del cuerpo, de forma muy similar a como una llave encaja en una cerradura. Si la llave encaja, puede girar la cerradura para detener una enfermedad o iniciar un proceso de curación. Durante décadas, los investigadores han intentado predecir estos encuentros utilizando dos estrategias principales. Un enfoque observa la forma física de las moléculas, intentando ver si encajan entre sí como piezas de un rompecabezas. El otro observa las consecuencias químicas, observando cómo cambian las instrucciones internas de una célula cuando se introduce un fármaco. Aunque los métodos basados en la forma son buenos para adivinar si ocurrirá un encaje, a menudo fallan al explicar qué sucede después. Los métodos químicos pueden mostrar la consecuencia, pero tienen dificultades para señalar exactamente qué proteína causó el cambio, perdiéndose a menudo en el ruido de las complejas reacciones celulares.

Un equipo de investigadores de la Universidad de Mujeres Ewha en Corea del Sur ha desarrollado una nueva forma de cerrar esta brecha. Crearon un sistema llamado TDEP, que significa Perfil de Expresión Diferencial Perturbado por el Objetivo (Target-perturbed Differential Expression Profile). En lugar de solo predecir si un fármaco se adherirá a una proteína, TDEP predice el efecto dominó específico que esa proteína causará en todo el manual de instrucciones de la célula, conocido como transcriptoma. Imagine la célula como una vasta biblioteca de libros, donde cada libro es un gen. Cuando un fármaco golpea una proteína objetivo, no solo silencia un libro; cambia el orden de lectura de miles de otros. TDEP aprende a leer la reacción de la biblioteca a un fármaco y luego trabaja hacia atrás para predecir exactamente qué proteína fue la causa original de esa perturbación. Esto permite a los científicos no solo encontrar la coincidencia, sino también comprender la historia biológica que sigue.

Los investigadores construyeron su sistema enseñando a una computadora a reconocer patrones en cantidades masivas de datos biológicos. Comenzaron con una gran colección de cambios inducidos por fármacos en la actividad genética, recopilados de una base de datos pública llamada Connectivity Map. Esta base de datos contiene más de un millón de instantáneas de cómo diferentes células reaccionan a diversos productos químicos. El equipo emparejó estas instantáneas químicas con las secuencias genéticas de las proteínas que se supone que los fármacos deben atacar. Utilizaron un tipo de inteligencia artificial que comprende las secuencias de proteínas, de forma similar a como un modelo de lenguaje comprende las oraciones, para representar las proteínas objetivo. Luego, entrenaron al sistema para conectar una proteína específica con el patrón único de cambios genéticos que produce. El sistema no solo dice "sí" o "no" a una interacción; genera un mapa detallado de cómo se activarían o desactivarían los genes de la célula si esa proteína específica fuera bloqueada.

Cuando el equipo probó su nuevo sistema contra los métodos existentes, los resultados fueron sorprendentes. Compararon TDEP con modelos antiguos que dependen de las formas moleculares y otros que dependen de datos genéticos de experimentos donde los genes son silenciados artificialmente. En pruebas que involucraban fármacos que el sistema nunca había visto, TDEP logró un AUC de 0.87 en la identificación correcta de interacciones. Este rendimiento fue comparable a los mejores modelos basados en la forma, que actualmente se consideran el estándar de oro, y significativamente mejor que los métodos genéticos más antiguos, que tuvieron dificultades para alcanzar un AUC de 0.6. Los investigadores descubrieron que el sistema era particularmente bueno aprendiendo de los datos que se le proporcionaron, evitando el error común de simplemente memorizar las respuestas. Aprendió a reconocer la lógica biológica subyacente que conecta una proteína con sus consecuencias celulares.

Uno de los descubrimientos más importantes fue cómo el sistema maneja diferentes tipos de incógnitas. Los investigadores probaron el modelo en dos escenarios: uno donde los fármacos eran nuevos pero las proteínas eran familiares, y otro donde las proteínas eran completamente nuevas. Descubrieron que el sistema utiliza dos herramientas diferentes para resolver estos problemas. Cuando la proteína es conocida, el sistema se apoya en el mapa detallado de cambios genéticos que ha aprendido para predecir el resultado. Cuando la proteína es nueva, el sistema se inclina por su comprensión profunda de la secuencia genética de la proteína para hacer una conjetura educada. Este enfoque dual permite que el sistema sea robusto, funcionando bien ya sea que encuentre un nuevo fármaco o un nuevo objetivo. Además, el sistema demostró que podía transferir su conocimiento a través de diferentes tipos de células. Un modelo entrenado en un tipo de célula cancerosa aún podía realizar predicciones precisas cuando se aplicaba a un tipo diferente de célula cancerosa, lo que sugiere que las reglas fundamentales de cómo estas proteínas afectan a los genes se comparten en diferentes contextos biológicos.

El equipo también examinó de cerca si el sistema estaba aprendiendo realmente la biología o si solo estaba encontrando atajos. Examinaron los genes específicos que el sistema predijo que cambiarían cuando un objetivo fuera bloqueado y los compararon con datos del mundo real de otros experimentos. Encontraron una fuerte concordancia. Por ejemplo, cuando el sistema predijo el efecto de bloquear una proteína específica relacionada con el corazón, los genes que señaló como más propensos a cambiar coincidieron con los genes que realmente cambiaron en experimentos independientes donde esa proteína fue eliminada. Esto sugiere que el sistema está capturando señales biológicas genuinas en lugar de solo ruido estadístico. Los investigadores señalaron que, si bien las predicciones no son perfectas y los tamaños de efecto son a veces pequeños, la capacidad de generar una explicación a nivel de gen sobre la acción de un fármaco es un paso significativo hacia adelante. Proporciona una forma de generar hipótesis sobre cómo funciona un fármaco, las cuales pueden ser probadas en el laboratorio.

A pesar de estos éxitos, los investigadores son cuidadosos al señalar los límites de su trabajo. El sistema actualmente depende de datos de un conjunto específico de líneas celulares de cáncer y fármacos que ya han sido perfilados en la base de datos pública. Todavía no puede predecir los efectos de estructuras químicas completamente nuevas que nunca han sido probadas en un laboratorio. Además, el sistema predice si un fármaco interactuará con un objetivo, pero no mide con qué fuerza se unen. Los investigadores también reconocen que los datos biológicos que utilizan provienen de una tecnología específica, y los resultados podrían variar si se aplicaran a datos de diferentes plataformas de medición. Sin embargo, el logro central permanece: han demostrado que es posible predecir las consecuencias transcripcionales detalladas de atacar una proteína específica con alta precisión.

Este trabajo ofrece una nueva perspectiva sobre cómo abordamos el descubrimiento de fármacos. Al ir más allá de las simples predicciones de sí o no, TDEP proporciona una ventana al mecanismo de acción. Permite a los científicos ver los posibles efectos secundarios o beneficios terapéuticos de un fármaco al observar el patrón específico de cambios genéticos que se predice que causará. Los investigadores sugieren que este enfoque podría ayudar a priorizar qué objetivos de fármacos vale la pena perseguir, generar nuevas ideas sobre cómo podrían funcionar los fármacos existentes e incluso ayudar a encontrar nuevos usos para medicamentos antiguos. A medida que las bases de datos de datos biológicos continúan creciendo y los modelos de inteligencia artificial se vuelven más sofisticados, este método de vincular los objetivos proteicos con sus consecuencias celulares completas podría convertirse en una herramienta estándar en la búsqueda para comprender y tratar enfermedades. El estudio es una prueba de concepto de que combinar secuencias genéticas con datos de respuesta celular puede producir conocimientos que ninguno de los dos enfoques podría lograr por sí solo.