Liberando el poder del aprendizaje automático: un avance en el descubrimiento de inmunomoduladores

En un avance revolucionario para el diseño de vacunas y la inmunoterapia, investigadores de la Escuela Pritzker de Ingeniería Molecular (PME) de la Universidad de Chicago han aprovechado las capacidades del aprendizaje automático paradentnuevas moléculas que mejoran las vías inmunitarias. El estudio, publicado recientemente en la revista Chemical Science, demuestra el potencial de la inteligencia artificial (IA) para revolucionar la búsqueda de inmunomoduladores, componentes cruciales para el desarrollo de vacunas más eficaces e inmunoterapias robustas contra el cáncer.

Un vasto espacio químico explorado

El desafío dedentlas moléculas adecuadas para provocar la respuesta inmunitaria deseada ha sido formidable, dada la asombrosa estimación de 10^60 moléculas pequeñas similares a fármacos, superando con creces la cantidad de estrellas visibles en el universo. Para explorar este vasto espacio químico, el equipo de investigación, dirigido por el profesor Aaron Esser-Kahn, empleó técnicas de aprendizaje automático, un método nunca antes aplicado de esta manera para el descubrimiento de inmunomoduladores.

Proceso de selección guiado por IA

El equipo inició un análisis de alto rendimiento de 40.000 combinaciones de moléculas para evaluar su impacto en las vías inmunitarias innatas, centrándose específicamente en las vías NF-κB e IRF, cruciales para la inflamación y las respuestas antivirales. Posteriormente, los investigadores combinaron los resultados con una biblioteca de casi 140.000 moléculas pequeñas disponibles comercialmente para guiar un proceso computacional y experimental iterativo.

El aprendizaje activo revela joyas ocultas

Utilizando el aprendizaje activo, una técnica de aprendizaje automático que gestiona eficientemente la selección experimental a través del espacio molecular, eldent posgrado Yifeng (Oliver) Tang lideró la iniciativa. El proceso fue iterativo, y el modelo sugirió posibles candidatos o áreas inexploradas, lo que impulsó al equipo a realizar análisis de alto rendimiento e incorporar los datos al algoritmo de aprendizaje activo. Sorprendentemente, tras tan solo cuatro ciclos, muestreando tan solo el 2 % de la biblioteca, el equipodentmoléculas pequeñas de alto rendimiento no descubiertas previamente.

Resultados récord

El descubrimiento guiado por IA reveló moléculas pequeñas con un rendimiento récord, superando la intuición humana. Estos candidatos de alto rendimiento demostraron una notable mejora del 110 % en la actividad de NF-κB, un aumento del 83 % en la actividad de IRF y una sorprendente supresión del 128 % de la actividad de NF-κB. Una molécula destacada mostró una triple mejora en la producción de IFN-β al administrarse con un agonista de STING, lo que demuestra su potencial para el tratamiento del cáncer.

Los generalistas y su versatilidad

La investigación también descubrió inmunomoduladores "generalistas", capaces de modificar las vías de transmisión al administrarse conjuntamente con agonistas, sustancias químicas que activan los receptores celulares. Estas pequeñas moléculas versátiles podrían desempeñar un papel multifacético en diversas vacunas, lo que facilitaría su comercialización. El profesor Andrew Ferguson destacó el entusiasmo que genera la posibilidad de que una sola molécula contribuya a un amplio espectro de vacunas.

Desentrañando secretos moleculares

Para comprender mejor las características de las moléculasdent, el equipo realizó un análisis exhaustivo de las características químicas comunes que promovían comportamientos deseables. Este conocimiento permite centrarse en moléculas con características específicas o en la ingeniería racional de nuevas moléculas con grupos químicosdent.

Los investigadores pretenden continuar con este proceso innovador, buscandodentmoléculas con una actividad inmunitaria más específica y explorando combinaciones que ofrezcan un mejor control de la respuesta inmunitaria. El profesor Esser-Kahn expresó que el objetivo final es encontrar moléculas capaces de tratar enfermedades.

Un cambio de paradigma en el diseño de vacunas

El uso del aprendizaje automático para guiar el descubrimiento de inmunomoduladores marca un cambio de paradigma en el diseño de vacunas y la inmunoterapia. El éxito de este enfoque basado en IA no solo acelera ladentde moléculas potentes, sino que también abre vías de colaboración dentro de la comunidad científica. Con el objetivo de ampliar su búsqueda de moléculas, el equipo fomenta el intercambio de conjuntos de datos para mejorar la eficiencia y el impacto de esta investigación transformadora.