{"id":26516,"date":"2022-08-31T14:29:34","date_gmt":"2022-08-31T19:29:34","guid":{"rendered":"https:\/\/www.biblia.work\/articulos-salud\/desarrollo-de-farmacos-mas-eficiente-con-la-ayuda-de-modelos-informaticos\/"},"modified":"2022-08-31T14:29:34","modified_gmt":"2022-08-31T19:29:34","slug":"desarrollo-de-farmacos-mas-eficiente-con-la-ayuda-de-modelos-informaticos","status":"publish","type":"post","link":"https:\/\/www.biblia.work\/articulos-salud\/desarrollo-de-farmacos-mas-eficiente-con-la-ayuda-de-modelos-informaticos\/","title":{"rendered":"Desarrollo de f\u00e1rmacos m\u00e1s eficiente con la ayuda de modelos inform\u00e1ticos"},"content":{"rendered":"<p>Cr\u00e9dito: CC0 Public Domain <\/p>\n<p>El coronavirus tiene al mundo bajo control. Encontrar una cura nunca ha sido m\u00e1s importante. Desafortunadamente, el desarrollo de nuevos medicamentos para el tratamiento de la enfermedad COVID-19 causada por el virus y el desarrollo de una vacuna son procesos complejos, largos y sobre todo costosos. Con la ayuda de modelos inform\u00e1ticos, esto se puede acelerar. Los investigadores del Centro de Ciencias Computacionales de la Vida (CCLS) est\u00e1n investigando estos modelos para reducir costos y acelerar el proceso de desarrollo de f\u00e1rmacos. <\/p>\n<p>La investigaci\u00f3n tradicional es costosa<\/p>\n<p>\u00abEn promedio, el desarrollo de un f\u00e1rmaco lleva m\u00e1s de diez a\u00f1os y cuesta m\u00e1s de mil millones de d\u00f3lares\u00bb, dice Gerard van Westen, uno de los investigadores asociados con CCLS. Trabaja en el aprendizaje autom\u00e1tico aplicado a la qu\u00edmica m\u00e9dica para explorar el enorme espacio qu\u00edmico de posibles nuevos medicamentos. \u201cUn f\u00e1rmaco es una mol\u00e9cula que tiene que cumplir muchos requisitos. Por un lado, debe adherirse al blanco en el cuerpo, y por otro, no debe causar ning\u00fan efecto secundario. Tambi\u00e9n debe tener las caracter\u00edsticas adecuadas para que es soluble, se absorbe en el cuerpo y termina en el lugar correcto del cuerpo. En mi investigaci\u00f3n tenemos que equilibrar todos estos objetivos, a menudo contradictorios, simult\u00e1neamente\u00bb. <\/p>\n<p> Saquinavir acoplado a la proteasa principal del SARS-CoV-2. Cr\u00e9dito: Universidad de Leiden <\/p>\n<p>Como resultado, muchos candidatos a f\u00e1rmacos no superan la l\u00ednea de meta. Esto sucede a menudo en la fase final en la que los medicamentos son probados cl\u00ednicamente por voluntarios y pacientes. Con la ayuda del aprendizaje autom\u00e1tico, o m\u00e1s espec\u00edficamente el aprendizaje profundo, se generan nuevos medicamentos candidatos potenciales. Posteriormente, Van Westen utiliza m\u00e9todos de aprendizaje autom\u00e1tico para seleccionar los medicamentos potenciales m\u00e1s prometedores. Aquellos que probablemente no lleguen a la l\u00ednea de meta pueden cancelarse en una etapa temprana. Despu\u00e9s de la selecci\u00f3n de las mol\u00e9culas, se fabrican en el laboratorio de qu\u00edmica y se prueban en ensayos bioqu\u00edmicos para observar si las mol\u00e9culas se comportan como predijo la computadora. \u00abLa participaci\u00f3n de las computadoras hace que todo el proceso sea m\u00e1s eficiente y puede reducir los costos\u00bb, explica Van Westen. <\/p>\n<p>La llave que encaja en la cerradura<\/p>\n<p>\u00abLa mol\u00e9cula debe encajar en el receptor de la membrana celular. As\u00ed que en realidad estamos buscando en una pila de llaves la llave que encaja en la bloqueo\u00bb, dice Michael Emmerich, quien tambi\u00e9n est\u00e1 conectado a CCLS. \u00abEn los datos buscamos esto usando simulaci\u00f3n o ajuste tridimensional. La ventaja de esto es que a partir de los datos solo se identifican como posibles candidatos las mol\u00e9culas que realmente pueden unirse al receptor. \u00abSin embargo, esto es ineficiente, porque cada mol\u00e9cula debe examinarse por separado\u00bb, explica Emmerich. \u00abLa soluci\u00f3n es el aprendizaje autom\u00e1tico combinado con algoritmos de optimizaci\u00f3n multicriterio. Los algoritmos de optimizaci\u00f3n multicriterio permiten comparar diferentes alternativas o escenarios sobre la base de muchos criterios, a menudo contradictorios. \u00abBas\u00e1ndonos en datos anteriores, podemos predecir c\u00f3mo se comportar\u00e1 una mol\u00e9cula y si eventualmente podr\u00e1 unirse al receptor. Dentro del Instituto de Ciencias Inform\u00e1ticas Avanzadas de Leiden (LIACS) estamos realizando una investigaci\u00f3n exhaustiva sobre estos modelos de aprendizaje autom\u00e1tico y combin\u00e1ndolos con m\u00e9todos de optimizaci\u00f3n multicriterio que pueden buscar en el enorme espacio de todas las mol\u00e9culas posibles mol\u00e9culas candidatas \u00f3ptimas con respecto a criterios conflictivos\u00bb.<\/p>\n<p>Detectar efectos secundarios en c\u00e9lulas vivas<\/p>\n<p>Una vez que un f\u00e1rmaco potencial ha encontrado, High Throughput Screening (HTS) puede proporcionar una soluci\u00f3n para identificar posibles efectos secundarios. HTS puede identificar r\u00e1pidamente compuestos activos, anticuerpos o genes, lo que proporciona pistas para el dise\u00f1o de f\u00e1rmacos y una comprensi\u00f3n de la interacci\u00f3n o el papel de los procesos bioqu\u00edmicos identificados. Lu Cao, profesor universitario de LIACS y tambi\u00e9n afiliado a CCLS, es un experto en este campo. \u00abLos modelos inform\u00e1ticos pueden filtrar los f\u00e1rmacos candidatos en funci\u00f3n de las predicciones. Pero predecir c\u00f3mo reacciona un f\u00e1rmaco en un organismo vivo es m\u00e1s dif\u00edcil. La detecci\u00f3n de alto rendimiento puede proporcionar informaci\u00f3n sobre esto al trabajar con c\u00e9lulas vivas. Como resultado, cualquier efecto secundario de un posible f\u00e1rmaco se puede descubrir antes de las pruebas cl\u00ednicas, lo que conduce al descubrimiento m\u00e1s temprano de un posible f\u00e1rmaco t\u00f3xico\u00bb.<\/p>\n<p>Coronavirus<\/p>\n<p>En el contexto del coronavirus, los investigadores de CCLS est\u00e1n tratando de apoyar donde pueden. Por ejemplo, con Ph.D. El estudiante Patrick Echtenbruck y el profesor Boris Naujoks de TH Cologne, Emmerich est\u00e1n buscando mol\u00e9culas antivirales prometedoras que ya hayan sido aprobadas como compuestos farmacol\u00f3gicos. Este proceso se conoce como reutilizaci\u00f3n de f\u00e1rmacos. Una idea es unirse a los receptores de las c\u00e9lulas pulmonares, como el receptor ACE2. Este receptor es donde el virus SARS-CoV2 ingresa a la c\u00e9lula y comienza la replicaci\u00f3n. Emmerich desarroll\u00f3 con su equipo y la gente de LACDR un programa de aprendizaje autom\u00e1tico para determinar si una mol\u00e9cula es adecuada o no con respecto a m\u00faltiples criterios. En un estudio anterior en colaboraci\u00f3n con Van Westen y LACDR, este m\u00e9todo demostr\u00f3 ser muy exitoso para otros tipos de drogas.<\/p>\n<p>Van Westen ha lanzado una campa\u00f1a de detecci\u00f3n virtual tridimensional (\u00abdocking\u00bb), buscando peque\u00f1as mol\u00e9culas activas contra la infecci\u00f3n por SARS-CoV-2. En un enfoque de reutilizaci\u00f3n similar, estas mol\u00e9culas incluyen la selecci\u00f3n de todos los f\u00e1rmacos aprobados para determinar su afinidad hacia objetivos virales conocidos, como la proteasa viral. Han encontrado algunas mol\u00e9culas potencialmente activas que justifican la evaluaci\u00f3n de seguimiento y la validaci\u00f3n biol\u00f3gica.<\/p>\n<p>A corto plazo, Emmerich es cauteloso acerca de esperar contribuir mucho al desarrollo de medicamentos y vacunas para COVID-19 porque las compa\u00f1\u00edas farmac\u00e9uticas que est\u00e1n especializados en el desarrollo de vacunas y medicamentos antivirales ya est\u00e1n haciendo la misma investigaci\u00f3n en l\u00edneas celulares o incluso en entornos cl\u00ednicos. \u00abNuestra investigaci\u00f3n puede generar mejoras a mediano y largo plazo\u00bb, dice Emmerich. \u00abUna vez que los primeros medicamentos est\u00e9n disponibles, la b\u00fasqueda de medicamentos alternativos continuar\u00e1, es decir, medicamentos con menos efectos secundarios, menos costosos o aplicables a una gama m\u00e1s amplia de pacientes. Aqu\u00ed es donde nuestra investigaci\u00f3n sobre el enfoque multicriterio de medicamentos el desarrollo ser\u00e1 beneficioso\u00bb. <\/p>\n<p>Explore m\u00e1s<\/p>\n<p> Los receptores muscar\u00ednicos humanos inactivados ayudan a los investigadores a encontrar caminos hacia f\u00e1rmacos eficaces Proporcionado por la Universidad de Leiden <strong>Cita<\/strong>: Desarrollo de f\u00e1rmacos m\u00e1s eficientes con la ayuda de modelos inform\u00e1ticos (20 de mayo de 2020) recuperado 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-ficient-drug.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Cr\u00e9dito: CC0 Public Domain El coronavirus tiene al mundo bajo control. Encontrar una cura nunca ha sido m\u00e1s importante. Desafortunadamente, el desarrollo de nuevos medicamentos para el tratamiento de la enfermedad COVID-19 causada por el virus y el desarrollo de una vacuna son procesos complejos, largos y sobre todo costosos. Con la ayuda de modelos &hellip; <a href=\"https:\/\/www.biblia.work\/articulos-salud\/desarrollo-de-farmacos-mas-eficiente-con-la-ayuda-de-modelos-informaticos\/\" class=\"more-link\">Continuar leyendo<span class=\"screen-reader-text\"> \u00abDesarrollo de f\u00e1rmacos m\u00e1s eficiente con la ayuda de modelos inform\u00e1ticos\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-26516","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26516","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=26516"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26516\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=26516"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=26516"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=26516"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}