La combinación de resonancia magnética nuclear (RMN) avanzada y herramientas de inteligencia artificial (IA) está dando un impulso sin precedentes al descubrimiento de nuevos medicamentos. Un equipo internacional con participación del Instituto de Investigaciones Químicas (centro mixto del CSIC y la Universidad de Sevilla) ha desarrollado una técnica que multiplica por diez la velocidad de análisis y promete transformar las etapas iniciales del desarrollo de fármacos.
El trabajo, publicado en la revista Journal of the American Chemical Society, presenta una metodología denominada espectroscopía de resonancia magnética nuclear SHARPER, optimizada mediante aprendizaje automático. Esta técnica permite identificar y clasificar de forma mucho más rápida y precisa los compuestos con mayor potencial terapéutico, analizando cómo se unen pequeñas moléculas, conocidas como fragmentos, a proteínas que pueden convertirse en dianas farmacológicas.
Gracias a este avance, los investigadores pueden evaluar hasta 140 fragmentos al día, frente a los 4 a 15 habituales con los métodos actuales, lo que supone un salto cualitativo en la velocidad y eficiencia del análisis. Además, la técnica ofrece un alto grado de automatización tanto en la adquisición de datos como en su procesamiento, lo que la convierte en una herramienta de alto rendimiento (high throughput).
Una metodología pionera
«Hemos desarrollado una metodología pionera que permite acelerar significativamente las etapas más tempranas del desarrollo de medicamentos, lo cual facilita mucho la labor investigadora de los científicos que trabajan en el diseño y optimización de nuevos fármacos», resaltó Ridvan Nepravishta, del Cancer Research Horizons del Reino Unido y primer coautor del estudio.
El avance mejora notablemente la capacidad de la RMN para estudiar cómo se unen las pequeñas moléculas a las proteínas, un paso clave en el diseño racional de nuevos fármacos. Tradicionalmente, este proceso requiere mucho tiempo y grandes cantidades de proteína para detectar las interacciones débiles entre fragmentos y proteínas. Aunque difíciles de observar, estas interacciones sutiles son esenciales para identificar los compuestos con potencial terapéutico.
La nueva aproximación concentra la señal de las moléculas, ofreciendo lecturas más claras y precisas que permiten observar cómo cambian al interactuar con una proteína candidata. Esto mejora significativamente la sensibilidad y la calidad de los resultados.
Además, el uso de algoritmos de aprendizaje automático ha permitido reducir drásticamente el número de mediciones necesarias: mientras los métodos convencionales requerían hasta siete mediciones por compuesto, el nuevo sistema solo necesita dos para clasificar con precisión toda una colección de moléculas.
«Nuestra aproximación ML-Boosted LB SHARPER NMR es de muy fácil implementación y automatización tanto a nivel experimental como en el análisis de resultados», explicó Jesús Angulo, investigador del Instituto de Investigaciones Químicas y coautor del artículo.
Este nivel de automatización facilita la clasificación rápida y precisa de los fragmentos más prometedores —los denominados hits— dentro de bibliotecas que pueden incluir cientos o miles de candidatos, un avance de gran utilidad para la industria farmacéutica.
Un impulso al diseño basado en fragmentos
El desarrollo se enmarca en la estrategia conocida como diseño basado en fragmentos (Fragment-Based Drug Discovery, FBDD), una de las más utilizadas en la actualidad para crear nuevos medicamentos. Esta técnica consiste en identificar pequeñas piezas moleculares que se unen a proteínas implicadas en enfermedades y, posteriormente, optimizarlas para mejorar su eficacia.
El problema es que esas uniones suelen ser muy débiles y difíciles de detectar mediante técnicas tradicionales como la cristalografía de rayos X o la microscopía electrónica. La RMN es una de las pocas herramientas capaces de estudiar este tipo de interacciones, pero su baja sensibilidad y el tiempo requerido han limitado hasta ahora su aplicación práctica en el descubrimiento de fármacos.
Con la nueva técnica, los investigadores han logrado superar esas limitaciones y abrir la puerta a un desarrollo más rápido y eficiente de compuestos terapéuticos.
El primer coautor del artículo, Juan C. Muñoz-García, investigador del Programa de Captación de Talento Investigador EMERGIA de la Junta de Andalucía en el Instituto de Investigaciones Químicas, destacó: «Este trabajo es un perfecto ejemplo del impacto de la investigación multidisciplinar y la colaboración internacional, en la que hemos demostrado que la combinación de espectroscopía de resonancia magnética nuclear avanzada y técnicas de aprendizaje automático permite acelerar la clasificación de los compuestos más prometedores (hits) frente a un receptor biológico hasta unos límites que eran inconcebibles hasta ahora en el área de la Resonancia magnética nuclear».
Hacia un descubrimiento de fármacos más eficiente
El avance no solo incrementa la velocidad y precisión del análisis, sino que también reduce el consumo de proteína y simplifica el proceso experimental, haciéndolo más accesible tanto para laboratorios académicos como para empresas biotecnológicas.
En conjunto, esta nueva metodología representa un paso decisivo hacia un desarrollo de medicamentos más rápido, rentable y preciso, con el potencial de acelerar la llegada de nuevos tratamientos a los pacientes.
