Integración de la IA en el tratamiento del cáncer.

El cáncer tiene un impacto significativo en la salud pública; por lo tanto, la necesidad de encontrar soluciones de tratamiento eficaces, seguras y sostenibles es cada vez más urgente.

Báo Nhân dân•25/05/2026

En el Instituto de Química se están realizando investigaciones para encontrar posibles compuestos inhibidores del cáncer a partir de estructuras de xantona presentes en la naturaleza. (Foto: VAN NGA)

El cáncer tiene un impacto significativo en la salud pública, lo que hace cada vez más urgente la necesidad de soluciones de tratamiento eficaces, seguras y sostenibles. La integración de la inteligencia artificial (IA), la computación de alto rendimiento y la validación experimental está abriendo nuevas vías para el diseño de derivados de xantona destinados a la terapia dirigida contra el cáncer.

El diseño de fármacos asistido por ordenador (CADD) se está convirtiendo en una tendencia importante en la química farmacéutica moderna. En Vietnam, la integración de la IA y la computación de alto rendimiento con métodos experimentales está abriendo nuevas vías para la explotación de compuestos naturales. En este estudio, se seleccionaron estructuras de xantona como material de partida prometedor, con un proceso de investigación orientado desde la simulación hasta la verificación experimental.

Además de los tratamientos tradicionales, la tendencia en el desarrollo de fármacos modernos se inclina cada vez más hacia el diseño de fármacos dirigidos, combinado con tecnologías computacionales avanzadas para acortar el tiempo de investigación y mejorar la eficiencia. En este contexto, los compuestos de origen natural, especialmente las xantonas, están atrayendo la atención debido a su diverso potencial biológico, incluyendo su actividad anticancerígena. Sin embargo, la explotación efectiva de estos compuestos sigue siendo limitada si se recurre únicamente a los métodos experimentales tradicionales, que son lentos y costosos.

El Dr. Pham Minh Quan, profesor asociado, y sus colegas del Instituto de Química de la Academia de Ciencias y Tecnología de Vietnam han puesto en marcha el proyecto «Investigación sobre el uso de simulación computacional combinada con métodos experimentales para la búsqueda de compuestos con potencial inhibidor de células cancerosas a partir de compuestos con estructura de xantona de origen natural». Este proyecto busca desarrollar un proceso de investigación integrado que combine métodos computacionales modernos, como la inteligencia artificial, la simulación molecular y la computación de alto rendimiento, con la verificación experimental, contribuyendo así a abrir un nuevo enfoque en la investigación y el desarrollo de fármacos en Vietnam.

El Dr. Pham Minh Quan, profesor asociado, explicó que el equipo de investigación creó una base de datos de compuestos de xantona, que incluye tanto compuestos con datos experimentales existentes como aquellos utilizados para el cribado virtual. A partir de esta base de datos, se desarrolló y entrenó un modelo de aprendizaje automático para predecir las posibles interacciones de los compuestos con dianas biológicas relacionadas con el cáncer, generando así rápidamente una lista reducida de compuestos potenciales que inhiben la proteína en estudio. La combinación de datos experimentales publicados con modelos computacionales proporciona una guía más clara para el proceso de cribado, en lugar de depender del método tradicional de ensayo y error.

Simultáneamente, se predicen los parámetros farmacocinéticos y el índice de similitud con fármacos de los compuestos mediante herramientas computacionales especializadas. Esto garantiza que no solo se seleccionen compuestos con alto potencial para inhibir la proteína diana, sino que también se cumplan criterios esenciales para el desarrollo de fármacos, como la absorción, la distribución y la seguridad. Este es un paso crucial para mejorar la fiabilidad de las predicciones computacionales y reducir aún más la lista de posibles compuestos precursores antes de pasar a la fase experimental.

Un aspecto destacado de la investigación es la aplicación de modelos de aprendizaje profundo en el diseño de nuevos derivados a partir de compuestos líderes identificados. En lugar de simplemente "buscar", la investigación dio un paso crucial al "diseñar" nuevos derivados basándose en las estructuras de los compuestos líderes con el objetivo de mejorar su actividad. Este enfoque demuestra claramente el papel de la IA no solo en el análisis de datos, sino también en la creación de nuevos compuestos estructurales, una dirección que está captando la atención mundial en el campo del diseño de fármacos.

Cabe destacar que, a partir de la lista de derivados potenciales obtenida mediante el proceso de simulación, el estudio procedió a la semisíntesis de estos derivados a partir del ácido gambógico, un compuesto xantónico abundante en la resina de la planta Coptis chinensis. Se sintetizaron con alta eficiencia dos grupos principales de derivados: ésteres (11 compuestos) y amidas (8 compuestos). Además, se desarrolló y publicó el proceso de síntesis.

Los derivados obtenidos se evaluaron en cuanto a su actividad biológica en líneas celulares cancerosas. Los dos compuestos más prometedores se probaron posteriormente en modelos animales para determinar su potencial inhibidor de tumores, mientras que se realizaron evaluaciones de toxicidad aguda y subcrónica para garantizar su seguridad. Los resultados mostraron que muchos derivados exhibieron una actividad antitumoral significativa, en consonancia con las predicciones de la simulación; el metil gamgogate y la morfolinil gambogamida destacaron por su superior eficacia inhibidora de tumores.

Sin embargo, según el Dr. Pham Minh Quan, profesor asociado, la implementación de la investigación integrada aún enfrenta numerosos desafíos. En primer lugar, existen limitaciones en los datos de entrada para los modelos de aprendizaje automático debido a la falta de fuentes de datos experimentales de alta calidad, lo que afecta la fiabilidad predictiva. Además, la integración efectiva entre grupos de investigación interdisciplinarios, que incluyen química, biología, bioinformática y ciencia de datos, requiere una estrecha coordinación tanto en conocimientos especializados como en flujos de trabajo.

Basándose en estos resultados iniciales, el equipo de investigación planea ampliar la aplicación del modelo CADD a otros grupos de compuestos naturales en el futuro, diversificando al mismo tiempo los objetivos terapéuticos y contribuyendo a mejorar la investigación y el desarrollo de fármacos.

HIEU LIEN NGA

Fuente: https://nhandan.vn/tich-hop-ai-dieu-tri-ung-thu-post964425.html