Descubrimiento de fármacos para niños
El descubrimiento de medicamentos es el proceso por el cual los científicos encuentran nuevas medicinas que pueden ayudar a las personas a mejorar su salud. Es un trabajo muy complejo que necesita de muchas áreas de conocimiento, como la biología, la química y la farmacología.
Los medicamentos son uno de los avances más importantes del siglo XX, ya que influyen en la vida de las personas desde que nacen hasta que son mayores. Las medicinas que tenemos hoy en día se han desarrollado a partir de unos pocos modelos iniciales, que los químicos llaman "cabezas de serie". Estos modelos se modifican para crear compuestos más efectivos y con menos efectos secundarios.
Aunque el uso de plantas y minerales para curar enfermedades se conoce desde hace mucho tiempo, la mayoría de los medicamentos modernos se han desarrollado en los últimos 50 años. Crear un medicamento, desde que se descubre hasta que llega a las farmacias, puede tardar entre 12 y 15 años y es muy costoso.
Contenido
- ¿Cómo ha evolucionado el descubrimiento de medicinas?
- ¿Cuáles son los pasos para crear un medicamento?
- ¿Cómo ayuda el aprendizaje automático en el descubrimiento de medicinas?
- ¿Dónde se guarda la información sobre medicamentos?
- ¿Qué nos depara el futuro en el descubrimiento de medicinas?
- Véase también
¿Cómo ha evolucionado el descubrimiento de medicinas?
La historia del descubrimiento de medicinas es tan antigua como la humanidad. Los primeros experimentos se basaron en plantas. Por ejemplo, en China, hace más de 5000 años, se usaba una planta llamada "ma huang", cuyo ingrediente activo es la efedrina. A lo largo de la historia, diferentes civilizaciones encontraron plantas con distintos efectos. En América, algunas culturas usaban ciertas plantas con propiedades estimulantes. En el mundo occidental, pensadores como Hipócrates y Galeno ya consideraban las plantas como esenciales para recuperar la salud.
Antes del año 1800, la farmacia se basaba mucho en la experiencia y en la medicina tradicional. Muchas medicinas se preparaban con extractos de plantas y eran útiles. Sin embargo, no se ajustaban a la definición química de medicamento que tenemos hoy.
¿Cuáles son los pasos para crear un medicamento?
Para desarrollar un medicamento, se siguen varias etapas importantes. Primero, se investiga una enfermedad para entender qué la causa. A veces, esto lleva a identificar uno o varios "objetivos moleculares" relacionados con la enfermedad. Luego, se buscan compuestos que puedan actuar sobre ese objetivo y se mejora su actividad.
Estos primeros estudios se hacen en el laboratorio (in vitro), usando los objetivos moleculares aislados. Los compuestos prometedores pasan por más pruebas, primero en células, luego en animales y, finalmente, en personas (pruebas clínicas). Si un compuesto supera todas las etapas, es aprobado para su uso por las autoridades de cada país, como la Food and Drug Administration (FDA) en Estados Unidos o la Agencia Española de Medicamentos y Productos Sanitarios (AEMPS) en España.
¿Qué es un objetivo molecular y por qué es importante?
Los medicamentos pueden fallar por dos razones principales: o no funcionan bien o no son seguros. Por eso, un paso clave es identificar y validar el "objetivo" o "blanco" del medicamento. Un objetivo es una parte de nuestro cuerpo, como una proteína, un gen o un ARN, que está relacionada con la enfermedad.
Un buen objetivo debe ser efectivo, seguro, y, sobre todo, debe ser posible actuar sobre él. Esto significa que el medicamento debe poder llegar a él y producir un cambio medible. Identificar y validar bien un objetivo nos da más confianza en que el medicamento funcionará y ayudará a entender y controlar los posibles efectos secundarios.
Una vez que se identifica un objetivo, se usan diferentes técnicas para validarlo, desde pruebas en el laboratorio hasta estudios en animales y, a veces, en pacientes. Los resultados son más fiables cuando se usan varias formas de validación.
¿Cómo se encuentran los compuestos iniciales para un medicamento?
Tan importante como encontrar el objetivo es encontrar el compuesto que se convertirá en el medicamento. Hay varias estrategias para identificar estos compuestos iniciales, llamados "compuestos líderes":
- Mejorar medicamentos existentes: Se pueden optimizar medicinas que ya están aprobadas para que sean más efectivas o tengan menos efectos secundarios.
- Probar colecciones de compuestos: Se usan robots para probar miles o millones de moléculas en poco tiempo. Esto se llama "cribado de alto rendimiento" (HTS, por sus siglas en inglés).
- Usar información biológica: Si se sabe cómo funciona una sustancia, se pueden diseñar compuestos que se espera que actúen de la misma manera.
- Diseño de medicamentos asistido por computadora (DIFAC): Se usan programas de computadora para ayudar a diseñar nuevas moléculas.
Una estrategia muy común es crear versiones ligeramente diferentes de moléculas que ya se sabe que son activas. En la industria farmacéutica, esto a menudo se hace por razones económicas o para ser más competitivos. Sin embargo, una gran parte de los nuevos descubrimientos viene de analizar mucha información biológica.
¿Cómo se desarrolla un medicamento a partir de un "hit"?
Crear un medicamento es un proceso largo y complejo que empieza con un "hit". Un "hit" es una sustancia que muestra actividad sobre el objetivo en una prueba de laboratorio. Para ser un "hit", debe cumplir varios requisitos:
- Su actividad debe ser reproducible.
- Su estructura y pureza deben ser conocidas.
- Debe ser específica para el objetivo de estudio.
- Debe tener potencial para ser algo nuevo.
- Su estructura química debe ser fácil de modificar.
Para encontrar "hits" para un nuevo objetivo, se suelen probar muchas moléculas diferentes en el laboratorio. También se pueden buscar moléculas pequeñas que puedan cambiar un proceso biológico importante en una enfermedad. Con la ayuda de computadoras, miles de moléculas pueden ser evaluadas en un solo día. Una vez que se confirma su actividad, un "hit" se convierte en una "cabeza de serie" y, en esta fase, se suele patentar.
Si esta "cabeza de serie" pasa las pruebas de absorción, distribución, metabolismo y excreción (ADME) y toxicidad, se convierte en un "candidato a medicamento clínico".
Para superar los desafíos del desarrollo de un nuevo medicamento, se usan dos estrategias principales: buscar en productos naturales o usar métodos informáticos.
Los productos naturales se han usado para tratar enfermedades durante miles de años. Este campo ha vuelto a ser de interés para los científicos y ha llevado a importantes avances en la industria farmacéutica. Algunos ejemplos son sustancias de plantas, hongos, toxinas y anticuerpos.
Otra tendencia son los métodos informáticos y computacionales, que usan inteligencia artificial y aprendizaje automático. Esto incluye campos como la quimioinformática y la bioinformática.
¿Cómo ayuda el aprendizaje automático en el descubrimiento de medicinas?
Una de las formas en que el aprendizaje automático ayuda es permitiendo a los investigadores entender cómo se relacionan las estructuras químicas con sus actividades biológicas. Cuando se tiene un "hit", se busca cómo optimizar su estructura química para mejorar su unión al objetivo, su efecto biológico o sus propiedades.
Las técnicas de aprendizaje automático incluyen el aprendizaje supervisado y no supervisado. Dentro del aprendizaje supervisado, se usa el análisis de regresión. Los primeros modelos de QSAR (relaciones cuantitativas estructura-actividad) se basaron en regresión lineal. Otras técnicas populares son los bosques aleatorios y las máquinas de vectores de soporte (SVM). Sin embargo, las redes neuronales artificiales (ANN) son muy importantes y se usan en muchas áreas de la quimioinformática, incluyendo el modelado de propiedades de moléculas pequeñas y el análisis de cómo el cuerpo procesa los medicamentos (Farmacocinética) y cómo estos actúan (Farmacodinámica).
Hoy en día, las técnicas modernas de aprendizaje automático pueden predecir con precisión cómo los cambios químicos pueden influir en el comportamiento biológico de un medicamento. Muchas propiedades de los medicamentos, como la toxicidad, el metabolismo, las interacciones con otros medicamentos y la posibilidad de causar cáncer, se han modelado eficazmente usando estas técnicas.
¿Qué es el modelado QSAR?
El modelado QSAR (relaciones cuantitativas estructura-actividad) es un proceso sistemático para el descubrimiento de medicamentos. Incluye varios pasos que usan técnicas de quimioinformática y aprendizaje automático. El primer paso es la "codificación molecular", donde se obtienen las características y propiedades químicas de las estructuras. Luego, se seleccionan las propiedades más importantes usando técnicas de aprendizaje no supervisado. Finalmente, se aplica un modelo de aprendizaje automático supervisado para encontrar una función que relacione las características de entrada con las respuestas biológicas. Para construir un modelo QSAR preciso, es muy importante seleccionar cuidadosamente los datos usados para entrenar y validar el modelo.
El rendimiento de los modelos QSAR se evalúa con medidas como la sensibilidad, la especificidad y la precisión. Para conjuntos de datos desequilibrados, se puede usar el área bajo la curva (AUC) de las curvas ROC (ROC).
Aunque los métodos 3D-QSAR consideran la forma tridimensional de las moléculas, requieren más cálculos y pueden tener más incertidumbre. Por eso, los modelos 2D-QSAR pueden ser muy competitivos y a veces incluso mejores.
¿Dónde se guarda la información sobre medicamentos?
En el diseño de medicamentos asistido por computadora, es muy importante analizar y manejar grandes bases de datos de moléculas. Algunos ejemplos de colecciones usadas frecuentemente son ZINC, DrugBank, ChEMBL, Binding Database y PubChem. Estas bases de datos contienen información útil para buscar nuevos compuestos, estudiar cómo interactúan con el cuerpo y encontrar nuevos usos para medicamentos ya existentes.
¿Qué nos depara el futuro en el descubrimiento de medicinas?
Una de las áreas más innovadoras es la combinación de "macrodatos" (grandes volúmenes de información) y el aprendizaje automático para predecir una gama más amplia de fenómenos biológicos. Los métodos tradicionales de diseño de medicamentos, que se basan en interacciones simples entre una molécula y una proteína, ya no son suficientes para cumplir con los criterios de seguridad actuales. Los medicamentos a menudo se abandonan debido a efectos secundarios graves que involucran procesos biológicos complejos.
Por lo tanto, será crucial combinar diferentes tipos de datos y fuentes, lo que se conoce como "fusión de datos". Esto significa integrar información estructural, genética y farmacológica desde el nivel de la molécula hasta el organismo completo. Esto ayudará a descubrir medicamentos más seguros y efectivos.
Además, se necesitan nuevos modelos de aprendizaje automático que puedan procesar grandes volúmenes de datos a gran velocidad y con mucha precisión. La evolución reciente de las redes de "aprendizaje profundo" ha demostrado ser muy prometedora para aprender de conjuntos de datos masivos en las campañas modernas de descubrimiento de medicamentos.
Véase también
En inglés: Drug discovery Facts for Kids
