Combinando la inteligencia artificial (IA) y uno de los supercomputadores más rápidos del mundo, científicos chinos están diseñando sustancias químicas desconocidas que pueden usarse clínicamente en el futuro.
El supercomputador Tianhe-2, que está en la provincia meridional china de Guangdong, y que este mes fue clasificado como uno de los 10 más rápidos del mundo en la lista TOP 500, se ha utilizado como plataforma para el descubrimiento de fármacos. Ahora, algoritmos basados en la IA hacen que la máquina sea aún más inteligente.
Científicos de la Universidad Sun Yat-sen y de Galixir, empresa emergente especializada en inteligencia artificial con sede en Beijing, junto con expertos del Instituto de Tecnología de Georgia y el Instituto Tecnológico de Massachusetts, informaron sobre un práctico conjunto de herramientas de aprendizaje profundo para predecir las vías biosintéticas de productos naturales (PN) o compuestos similares a PN en Tianhe-2.
Los productos naturales son la principal fuente de descubrimiento clínico de fármacos. Más del 60 por ciento de los medicamentos de molécula pequeña aprobados por la Administración de Alimentos y Medicamentos de Estados Unidos son PN o derivados de estos.
Hasta la fecha se han registrado más de 300.000 PN, pero debido a los complejos conocimientos técnicos de producción, solo una décima parte se ha desarrollado como sustrato o producto, lo que hace urgente la detección asistida por computador.
En un estudio reciente publicado en Nature Communications, investigadores presentaron una herramienta llamada BioNavi-NP (utilizando las iniciales en inglés de productos naturales) para proponer rutas biosintéticas de PN a partir de bloques de construcción simples de una manera óptima, que no requiere de reglas bioquímicas ya conocidas.
En primer lugar, se entrena un modelo de predicción de biorretrosíntesis de un solo paso para generar precursores candidatos para un PN objetivo. Según el estudio, el modelo, basado completamente en datos, logra una precisión de predicción 1,7 veces más precisa que el modelo anterior, basado en reglas.
Luego, un sistema automático de planificación de rutas de retrobiosíntesis muestrea eficientemente rutas biosintéticas plausibles.
El estudio revela que el conjunto de herramientas puede identificar con éxito las vías biosintéticas para el 90,2 por ciento de los 368 compuestos de prueba.
Además, los investigadores combinaron una herramienta ya existente de predicción de enzimas para proporcionar un servidor web abierto al público y fácil de usar que puede predecir las vías biosintéticas. También puede puntuar la viabilidad biológica de esas vías en función de la preferencia estimada de especies y enzimas.
Al ingresar cualquier molécula de PN relevante en el kit de herramientas en línea, se pueden obtener múltiples formas predichas para sintetizarlas en unos minutos.
La velocidad y precisión del resultado solo es posible gracias a la sólida capacidad de cómputo paralelo de Tianhe-2 y sus recursos de GPU (unidades de procesamiento de gráficos) personalizadas, que ayudan a acortar el tiempo de capacitación y prueba de más de dos semanas a solo un día.
MEDICINA ASISTIDA POR COMPUTADOR
El supercomputador Tianhe-2 de China ha sido ampliamente utilizado para promover la investigación en salud y medicina.
Un estudio anterior dio como resultado una herramienta rentable para discernir los tipos de cáncer gástrico utilizando Tianhe-2 y un modelo basado en IA llamado EBVNet.
Asimismo, un modelo de detección de genes en Tianhe-2 puede descubrir efectivamente signos de cáncer nasofaríngeo entre poblaciones de alto riesgo.
Ambos estudios fueron publicados en Nature Communications en mayo y abril, respectivamente.
En marzo, otro estudio publicado en la revista Cell Metabolism mostró que un grupo de científicos se valió de Tianhe-2 para encontrar tres sustancias químicas que pueden aportar una estrategia conceptualmente nueva para tratar las complicaciones de la COVID-19.
Científicos chinos también ejecutaron en Tianhe-2 el primer modelo basado en aprendizaje profundo a nivel mundial para detectar e identificar de forma no invasiva enfermedades hepáticas y biliares utilizando imágenes oculares.
Los hallazgos se publicaron en Lancet Digital Health el año pasado, y este modelo ya se ha utilizado en la plataforma en la nube del Centro Oftalmológico Zhongshan de la Universidad Sun Yat-sen.
