NOTICIAS
Lima, Perú
Descubren posibles nuevos medicamentos contra la tuberculosis
Los científicos del Instituto Tecnológico de Massachusetts utilizaron la herramienta de aprendizaje automático para identificar nuevos fármacos potenciales en contra de algunas enfermedades.
Científicos del Instituto Tecnológico de Massachusetts (MIT, siglas en inglés) de Estados Unidos con ayuda del aprendizaje automático han identificado nuevos fármacos potenciales contra algunas enfermedades. Los investigadores han incorporado una nueva característica en este tipo de algoritmos de aprendizaje automático, mejorando su capacidad predictiva.
En base a esta mejora en el enfoque, la cual permite a los modelos informáticos tener en cuenta la incertidumbre en el análisis de datos, el equipo del MIT identificó varios compuestos prometedores que se dirigen a una proteína requerida por la bacteria causante de la tuberculosis.
Este método podría resultar útil en el diseño de proteínas y muchos otros campos de la biología, dice Bonnie Berger, profesora de matemáticas y jefa del grupo de computación y biología en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT.
Cabe destacar que el aprendizaje automático es un tipo de modelado informático donde un algoritmo aprende a hacer predicciones basadas en datos anteriormente obtenidos. En los últimos años, los biólogos han comenzado a utilizar el aprendizaje automático para buscar, en enormes bases de datos de compuestos farmacológicos, opciones potenciales de moléculas que interactúen con objetivos específicos.
Sin embargo, la limitante del aprendizaje automático es que, si bien los algoritmos funcionan bien con datos similares a los analizados en su entrenamiento, no son muy eficientes evaluando datos de moléculas diferentes a las anteriormente vistas. Para superar eso, los científicos utilizaron una técnica llamada proceso gaussiano, donde se asigna valores de incertidumbre a los datos en los que se entrenan los algoritmos.
En este estudio, el equipo del MIT entrenó el modelo con un conjunto de datos de 72 moléculas pequeñas y sus interacciones con más de 400 proteínas llamadas quinasas. Después, pudieron usar este algoritmo en el análisis de 11 000 moléculas pequeñas, tomadas de la base de datos ZINC (una base de datos de síntesis química orgánica).
Los investigadores pudieron descubrir moléculas con afinidades de unión muy fuertes en las proteínas quinasas introducidas en el modelo. Estos incluyeron tres quinasas humanas, así como una quinasa encontrada en Mycobacterium tuberculosis. Esa quinasa cuyo nombre es PknB, es fundamental en la supervivencia de la bacteria, pero no está dirigida por ningún antibiótico de primera línea para la tuberculosis.
Con esta información obtenida, los investigadores tomaron algunos de los inhibidores de PknB más prometedores contra cultivos de Mycobacterium tuberculosis y encontraron que inhibían el crecimiento bacteriano. Los inhibidores también funcionaron en células inmunes humanas infectadas con la bacteria.
De esta manera, los científicos del MIT han utilizado la herramienta de aprendizaje automático para identificar nuevos fármacos potenciales en contra de algunas enfermedades.
Redactor: Frank Lozano
FUENTE: Uniobregón, My Press y Invdes
Oficina de comunicaciones
contacto@aspat.org.pe
Teléfono:01 684-1783
WhatsApp: +51 999-777-480
www.aspat.org.pe
Viernes 04 Diciembre
Jueves 03 Diciembre
Viernes 27 Noviembre
Viernes 13 Noviembre
Viernes 02 Octubre
Jueves 10 Septiembre
Jueves 05 Diciembre
Jueves 19 Septiembre