El viaje de desarrollar un nuevo medicamento a menudo lleva años y necesita cientos de millones de dólares. Una investigación colaborativa liderada por la Universidad de la Ciudad de Hong Kong CityU ha encontrado un "atajo", que potencialmente puede reducir el tiempo ycostos de desarrollar nuevos medicamentos clasificando a los candidatos de alto potencial de una larga lista de compuestos químicos.
Este avance en neurofarmacología se produjo después de cinco años de investigación colaborada por el Departamento de Ingeniería Biomédica BME de CityU, su Departamento de Ciencias Biomédicas BMS y la Facultad de Medicina de Harvard. La investigación se publicó recientemente en la revista científica Comunicaciones de la naturaleza , titulado "Mapeo de actividad cerebral de alto rendimiento y aprendizaje automático como base para la neurofarmacología de sistemas"
La depresión, la psicosis, la epilepsia y la enfermedad de Alzheimer son algunos de los trastornos cerebrales comunes en la actualidad. Sin embargo, los medicamentos diseñados para tratar estas dolencias graves no son fáciles debido a la larga línea de tiempo de desarrollo y las tasas de fracaso particularmente altas de muchos medicamentos potenciales antes delse identifica la correcta.
La investigación, dirigida por el Dr. Shi Peng, profesor asociado de BME en CityU, es proporcionar una plataforma para predecir compuestos que tienen el potencial de convertirse en nuevos medicamentos para tratar enfermedades cerebrales. Esta plataforma puede ayudar a los desarrolladores de medicamentos a identificar elcompuestos con un mayor potencial de traducción terapéutica y clínica, a fin de priorizar el desarrollo de fármacos y la asignación de recursos. Y lo que es más importante, puede ayudar a acelerar el proceso de descubrimiento de nuevos fármacos y ahorrar costos.
"Incluso un aumento del 1% en la tasa de éxito del desarrollo de fármacos marcaría una gran diferencia para los pacientes con trastorno del SNC", explicó el Dr. Shi.
Sistema innovador para imágenes eficientes de actividad de todo el cerebro
Como en muchas otras investigaciones farmacológicas, este estudio utilizó un pequeño animal vertebrado, el pez cebra, como modelo de trabajo para realizar un mapeo de la actividad del cerebro completo para mostrar cómo y qué parte del cerebro o sistema nervioso central SNC reacciona a los medicamentosPero el Dr. Shi dijo que su sistema innovador ayudó a racionalizar el proceso, permitiendo experimentos a gran escala.
"Hemos diseñado un sistema integrador que utiliza la robótica, la microfluídica y la fuerza hidrodinámica para atrapar y orientar a un pez cebra despierto automáticamente en 20 segundos, en lugar de pasar 20 minutos para preparar y posicionar manualmente cada pez para un experimento similar. Por lo tantopodemos realizar imágenes de muchos peces cebra de una sola vez para recopilar una gran cantidad de datos de manera eficiente. Es importante destacar que nuestra plataforma es capaz de inmovilizar a los peces sin anestesia, lo que puede interferir con la actividad cerebral y, por lo tanto, la evaluación de los compuestos químicos ".él explicó
Al usar esta plataforma, el equipo construyó en primer lugar una biblioteca de referencia de mapas de actividad cerebral para 179 fármacos existentes en el SNC. Generaron los mapas del cerebro de miles de larvas de pez cebra, cada una de las cuales había sido tratada con un fármaco del SNC utilizado clínicamente, respectivamente.Los mapas mostraron las regiones cerebrales correspondientes que reaccionaron a esas drogas. Basándose únicamente en la coherencia intrínseca entre los mapas de todas las drogas del SNC sin los nombres ni ninguna otra información sobre las drogas, el equipo utilizó algoritmos de aprendizaje automático para clasificarestos medicamentos en 10 grupos fisiológicos. Sorprendentemente, se descubrió que algunos de los grupos estaban asociados con las categorías terapéuticas, como antiepilépticos, psicoanalépticos y antiparkinsonianos, definidos por el Centro Colaborador de la Organización Mundial de la Salud para la Metodología de Estadísticas de Drogas WHOCC.
La ayuda del aprendizaje automático predice la neurofarmacología
Con la biblioteca de referencia en mano, en estrecha colaboración con el Dr. Wang Xin, Profesor Asistente del Departamento de BMS en CityU y el Dr. Stephen Haggarty, Profesor Asociado en la Facultad de Medicina de Harvard, el equipo llevó a cabo el análisis de la información y empleó la estrategia de aprendizaje automáticopara predecir el potencial terapéutico de 121 nuevos compuestos, mediante el uso de los mapas de actividad cerebral de estos nuevos compuestos y los de los 179 fármacos utilizados clínicamente en la biblioteca.
Con un enfoque particular en los antiepilépticos, la estrategia de aprendizaje automático predijo que 30 de esos 121 compuestos nuevos tenían propiedades anticonvulsivas. Para validar la predicción, el equipo de investigación eligió al azar 14 de los 30 compuestos anticonvulsivos potenciales pararealizar pruebas de comportamiento con un modelo animal de convulsiones inducidas en pez cebra.
"El resultado mostró que 7 de 14 compuestos fueron capaces de reducir las convulsiones del pez cebra sin causar ningún efecto sedante, lo que implica una precisión de predicción de alrededor del 50%", dijo el Dr. Shi. "Con este fármaco in vivo de alta velocidad".Con el sistema de detección combinado con el aprendizaje automático, podemos proporcionar un acceso directo para ayudar a identificar nuevos compuestos con potenciales terapéuticos significativamente más altos para un mayor desarrollo, por lo tanto, acelerar el desarrollo de fármacos y reducir la tasa de fracaso en el proceso ".
Otra implicación significativa del nuevo paradigma de detección es hacer uso de la fisiología de la actividad cerebral del pez cebra como un indicador de los potenciales terapéuticos de los compuestos sin la necesidad de su información bioquímica. "Tradicionalmente, muchos esfuerzos de desarrollo de fármacos se basaron en elestudio de la estructura química u objetivo molecular para identificar compuestos potentes. Pero utilizando nuestra estrategia, en realidad encontramos una gran heterogeneidad en estructuras químicas u objetivos moleculares incluso dentro de los medicamentos de la misma clasificación de mapas de actividad cerebral. Nuestro nuevo enfoque puede ayudar a ampliarfarmacología de ciertas enfermedades neurológicas ", dijo el Dr. Shi.
Fuente de la historia :
Materiales proporcionados por Universidad de la ciudad de Hong Kong . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :