Uso de IA para predecir con precisión combinaciones sinérgicas de fármacos contra el cáncer
Los círculos azules y verdes de esta figura representan proteínas a las que se dirigen dos fármacos respectivamente. Los círculos naranjas representan proteínas asociadas con líneas de células cancerosas y los puntos negros representan otras proteínas humanas. Crédito: Jiannan Yang, et al.
Un equipo de investigación dirigido por un académico de la Universidad de la Ciudad de Hong Kong (CityU) ha desarrollado recientemente un nuevo marco de inteligencia artificial (IA) que puede hacer predicciones sinérgicas de combinación de medicamentos contra el cáncer tanto en los efectos terapéuticos como tóxicos. El estudio reveló el potencial de aplicar IA y aprendizaje automático para descubrir combinaciones efectivas en terapias para el cáncer y otras enfermedades complejas.
El equipo de investigación estuvo dirigido por el Dr. Zhang Qingpeng, profesor asociado de la Facultad de ciencia de datos de CityU. Los hallazgos han sido publicados en el Journal of the American Medical Informatics Association (JAMIA).
Aplicación de IA en terapias contra el cáncer
Para lograr el mejor efecto terapéutico, comúnmente se usan múltiples tipos de medicamentos. recetados por médicos para tratar enfermedades complejas como el cáncer y el VIH/SIDA. Sin embargo, el conocimiento de las mejores combinaciones de medicamentos generalmente se basa en la experiencia y los juicios clínicos.
En los últimos años, la inteligencia artificial y la ciencia de datos se han vuelto cada vez más importantes en el tratamiento del cáncer y el descubrimiento de medicamentos debido a la capacidad de procesar datos biológicos y clínicos complejos a gran escala. Como su primer intento de usar IA en el descubrimiento de fármacos contra el cáncer, el grupo de investigación del Dr. Zhang, cuyo enfoque de investigación es la ciencia de datos, desarrolló con éxito «Graph Convolutional Network for Drug Synergy (GraphSynergy)». Es un marco de IA novedoso que puede hacer predicciones de combinación de fármacos de quimioterapia sinérgica.
Al analizar las relaciones entre los módulos de proteínas a los que se dirigen los fármacos y los módulos de proteínas asociados con líneas celulares cancerosas en la interacción proteína-proteína humana (PPI) y las interrelaciones entre los módulos de proteínas, este algoritmo basado en el aprendizaje profundo puede identificar combinaciones de fármacos sinérgicos que producen una terapia eficaz con menos toxicidad.
Análisis de la red de interacción proteína-proteína humana
Dra. Zhang explicó que el cuerpo humano es un sistema complejo, en el que las proteínas de las células tienen numerosas interacciones y forman una red PPI compleja. Las células cancerosas suelen estar asociadas con múltiples proteínas, que tienen interrelaciones directas e indirectas entre sí y con otras proteínas en la red PPI. «Cómo mezclar y combinar múltiples medicamentos para tratar el cáncer es, por lo tanto, muy desafiante, considerando la complejidad de la red PPI. Por lo tanto, usamos IA para analizar las proteínas a las que se dirigen los medicamentos y las células cancerosas, así como las interrelaciones entre los proteínas, para ayudar a predecir con precisión las combinaciones sinérgicas de medicamentos contra el cáncer», dijo el Dr. Zhang.
Él enfatizó que las predicciones se hacen al examinar no solo las proteínas directamente dirigidas por los medicamentos y las células cancerosas, sino también las relaciones entre las proteínas, lo que produce un rendimiento superior en la identificación de la mejor combinación sinérgica de fármacos contra el cáncer de baja toxicidad.
GraphSynergy puede identificar las proteínas fundamentales, lo que beneficia el desarrollo de fármacos contra el cáncer. Los puntos con números en la figura representan líneas de células cancerosas, mientras que los puntos sin números representan medicamentos contra el cáncer. Esta figura muestra las relaciones entre las proteínas y también las interrelaciones entre proteínas, fármacos y líneas de células cancerosas. Crédito: Jiannan Yang, et al.
El equipo de investigación comparó el rendimiento de predicción de GraphSynergy con los modelos de predicción convencionales y los últimos algoritmos de predicción de combinaciones de fármacos como «DeepSynergy». Descubrieron que el rendimiento de predicción de GraphSynergy es mejor para identificar combinaciones de fármacos sinérgicos de baja toxicidad.
Para verificar las predicciones realizadas por GraphSynergy, el equipo seleccionó combinaciones de fármacos sinérgicos verificados clínicamente para ejecutar el algoritmo. Y GraphSynergy predijo que dicha combinación también es sinérgica.
De acuerdo con el conjunto de datos públicos que obtuvo el equipo, el efecto terapéutico de una de las combinaciones de medicamentos no se considera tan significativo. Sin embargo, GraphSynergy lo predijo como farmacológicamente efectivo. El equipo investigó más a fondo esa combinación de fármacos mediante la revisión de la literatura. Resultó que su efectividad se verificó recientemente en un estudio de ensayo clínico. El Dr. Zhang creía que esto ilustraba la capacidad de pronóstico y predicción de los algoritmos de IA.
Dr. Zhang agregó que GraphSynergy podría identificar las proteínas fundamentales que desempeñan un papel en la eficacia de los medicamentos contra el cáncer. Tal información ayuda a los profesionales de la salud a comprender las predicciones y brindar orientación en el desarrollo futuro de fármacos.
Co-incubado por HK Tech 300 y HKSTP
«Nuestro marco de IA tiene el potencial de optimizar el cáncer tratamiento a bajo costo. Esperamos que pueda proporcionar fundamentos para que médicos y pacientes tomen decisiones médicas. Nuestro siguiente paso será aplicar el marco en el desarrollo de fármacos para el cáncer y otras enfermedades», concluyó el Dr. Zhang.
Para explorar la traducción de su investigación en una aplicación real, los miembros principales del equipo de investigación han establecido «COMPASS Health Technology», que es uno de los equipos de puesta en marcha co-incubados por HK Tech 300, la innovación y el espíritu empresarial insignia de CityU. programa, y Hong Kong Science and Technology Parks Corporation (HKSTP).
Explore más
El aprendizaje profundo ayuda a predecir nuevas combinaciones de medicamentos para combatir el COVID-19 Más información: Jiannan Yang et al, GraphSynergy: un modelo de aprendizaje profundo inspirado en la red para la predicción de combinaciones de medicamentos contra el cáncer , Revista de la Asociación Estadounidense de Informática Médica (2021). DOI: 10.1093/jamia/ocab162 Información de la revista: Journal of the American Medical Informatics Association
Proporcionado por City University of Hong Kong Cita: Uso de IA para predecir con precisión combinaciones de medicamentos contra el cáncer (2021, 1 de diciembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-ai-accurately-synergistic-cancer-drug.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.