- Un algoritmo de IA revisó miles de productos químicos para detectar a 21 candidatos
- Los tres compuestos identificaron células senescentes o defectuosas y dañadas
La tecnología de inteligencia artificial ayudó a los investigadores a identificar un trío de productos químicos que se dirigen a las células defectuosas relacionadas con problemas de salud relacionados con la edad, incluidos ciertos cánceres y la enfermedad de Alzheimer.
El algoritmo atravesó una biblioteca de más de 4.300 compuestos químicos e identificó 21 candidatos a fármacos que podrían provocar la senescencia celular.
Este es un fenómeno en el que las células defectuosas dejan de multiplicarse pero no mueren como deberían y continúan liberando productos químicos que pueden desencadenar la inflamación.
De esos 21 candidatos, los científicos se centraron en tres compuestos – ginkgestina, oleandrina y periplocina – que fueron capaces de eliminar las células defectuosas sin dañar las sanas cuando se probaron en células humanas.
La IA se está convirtiendo cada vez más en un elemento fijo en la investigación médica y científica, capaz de tamizar montañas de datos densos mucho más rápido de lo que un ser humano podría ayudar en el diagnóstico y tratamiento de enfermedades.
El equipo dirigido por investigadores de la Universidad de Edimburgo dijo que su tecnología de aprendizaje automático condujo a varias reducciones de cientos de veces en el costo de la detección de medicamentos «senolíticos» efectivos.
Los medicamentos «senolíticos» inducen la muerte de las células senescentes y mejoran la salud en los seres humanos.
El Dr. Diego Oyarzún, coautor del estudio, dijo: «Este estudio demuestra que la IA puede ser increíblemente efectiva para ayudarnos a identificar nuevos candidatos a medicamentos, particularmente en las primeras etapas del descubrimiento de medicamentos y para enfermedades con biología compleja o pocos objetivos moleculares conocidos».
La senescencia celular se produce en una amplia gama de condiciones de salud asociadas con el envejecimiento, incluyendo el deterioro de la visión, la osteoartritis, una enfermedad pulmonar crónica conocida como fibrosis pulmonar idiopática, ciertos cánceres, la enfermedad de Alzheimer y la aterosclerosis, una afección cardiovascular que se desarrolla cuando se acumulan placas pegajosas en las arterias.
La IA puede predecir el cáncer de páncreas AÑOS antes de que ocurra
La senescencia celular es un marcador del envejecimiento del sistema inmunológico.
Se refiere a un estado del ciclo celular en el que las células no pueden crecer y replicarse, pero tampoco mueren como parte de un proceso natural conocido como apoptosis.
En cambio, las células senescentes permanecen activas dentro del cuerpo y liberan sustancias nocivas que pueden causar inflamación y dañar las células sanas cercanas, de manera similar a como un trozo de melón moho que contaminaría toda la ensalada de frutas.
Debido a que la senescencia celular implica una interrupción en la replicación de las células, se cree que el proceso tiene un efecto supresor sobre los tumores.
Al mismo tiempo, la senescencia puede promover el desarrollo del cáncer alterando el entorno alrededor de la célula.
Los investigadores dijeron: «Agrego de su papel en el cáncer y el envejecimiento, el programa senescente se ha relacionado con efectos adversos en una amplia gama de afecciones, como la osteoporosis, la osteoartritis, la fibrosis pulmonar, la infección por SARS-CoV-2, la esteatosis hepática y la neurodegeneración».
En los ensayos clínicos solo se ha demostrado que una terapia, una combinación de Dasatinib más quercetina, reduce el volumen de células senescentes en ratones.
Entre los tres compuestos que los investigadores identificaron como capaces de eliminar las células senescentes, el oleandrina demostró ser más potente que los glucósidos cardíacos, la familia de medicamentos senolíticos de mejor rendimiento.
Los tres compuestos identificados en el estudio, publicado en la revista Nature Communications, son productos naturales que se encuentran en las medicinas tradicionales a base de hierbas.
La Dra. Vanessa Smer-Barreto, coautora, dijo: «Este trabajo surgió de una intensa colaboración entre científicos de datos, químicos y biólogos.
Al aprovechar los puntos fuertes de esta combinación interdisciplinaria, pudimos construir modelos robustos y ahorrar costos de detección utilizando solo datos publicados para la capacitación de modelos. Espero que este trabajo abra nuevas oportunidades para acelerar la aplicación de esta emocionante tecnología».
QAnons España 