ARRIBA: ISTOCK.COM, METAMORWORKS<\/p>\n
A medida que los casos de COVID-19 contin\u00faan aumentando, los m\u00e9dicos han comenzado a reutilizar los medicamentos existentes en un intento de encontrar algo que ayudar\u00e1 a los pacientes a mejorar. En un estudio piloto a fines de marzo, 12 adultos con COVID-19 moderado ingresados en el hospital en Alessandria o Prato, Italia, recibieron una dosis diaria del medicamento para la artritis reumatoide baricitinib, junto con una combinaci\u00f3n de medicamentos contra el VIH de lopinavir. y ritonavir, durante dos semanas. Otro grupo de estudio de 12 recibi\u00f3 solo lopinavir y ritonavir.<\/p>\n
Despu\u00e9s de su tratamiento de dos semanas, la mayor\u00eda de los pacientes que recibieron baricitinib se hab\u00edan recuperado. Sus toses y fiebres se hab\u00edan ido; ya no les faltaba el aliento. Siete de los 12 hab\u00edan sido dados de alta del hospital. Por el contrario, el grupo que no recibi\u00f3 baracitinib todav\u00eda ten\u00eda temperaturas elevadas, nueve tos\u00edan y ocho segu\u00edan sin aliento. Solo se hab\u00eda dado de alta a un paciente del grupo de lopinavir-ritonavirona.<\/p>\n
El estudio presenta serias advertencias: la falta de un grupo de control formal, el peque\u00f1o n\u00famero de sujetos y el dise\u00f1o abierto, lo que significa que ambos los m\u00e9dicos y los pacientes sab\u00edan qu\u00e9 curso de tratamiento recib\u00edan. Pero no se habr\u00eda llevado a cabo si no fuera por el trabajo de BenevolentAI, una empresa de inteligencia artificial (IA) con sede en el Reino Unido. Los investigadores all\u00ed, junto con el colaborador Justin Stebbing, onc\u00f3logo del Imperial College London, publicaron una carta a The Lancet<\/em> <\/em>el 4 de febrero, describiendo c\u00f3mo usaron la IA para identificar baricitinibs potencial para tratar el COVID-19.<\/p>\n La IA establece correlaciones de orden superior que un ser humano no ser\u00eda capaz de realizar, ni siquiera con todo el tiempo del mundo. Vincula conjuntos de datos que un ser humano no podr\u00eda vincular, explica Stebbing.<\/p>\n Evaluar mil millones de mol\u00e9culas peque\u00f1as por su capacidad para unirse a las prote\u00ednas del SARS-CoV-2 llevar\u00eda una d\u00e9cada incluso en el m\u00e1s grande de supercomputadoras.<\/p>\n<\/blockquote>\n El trabajo tambi\u00e9n se movi\u00f3 r\u00e1pido y crucial en una pandemia. Peter Richardson, vicepresidente de farmacolog\u00eda de BenevolentAI, dice que le tom\u00f3 solo una tarde de trabajo usar el conocimiento gr\u00e1fico de la compa\u00f1\u00eda, un enorme almac\u00e9n digital de informaci\u00f3n biom\u00e9dica y conexiones inferidas y mejoradas por aprendizaje autom\u00e1tico, para identificar dos prote\u00ednas humanas en las que enfocarse, AP2 prote\u00edna quinasa 1 asociada (AAK1) y quinasa asociada a ciclina g (GAK). Estas quinasas median la endocitosis, un proceso por el cual las c\u00e9lulas engullen cosas, incluidos los virus, y, si se interrumpen, podr\u00edan dificultar que el SARS-CoV-2, el virus que causa el COVID-19, ingrese a las c\u00e9lulas humanas. Una vez que los investigadores tuvieron esos objetivos, usaron otro algoritmo para encontrar medicamentos existentes que pudieran alcanzar los objetivos proteicos. El equipo complet\u00f3 el trabajo en solo unos d\u00edas.<\/p>\n Al eliminar todos los medicamentos que no est\u00e1n aprobados por los reguladores, los investigadores redujeron la lista a unos 30 y seleccionaron el pu\u00f1ado de los que mostraban la mayor afinidad para unir sus objetivos. Dos eran medicamentos de quimioterapia t\u00f3xicos, y de los tres restantes, baricitinib fue el claro ganador. En los ensayos cl\u00ednicos como tratamiento para la artritis reumatoide, los efectos secundarios fueron en su mayor\u00eda benignos y aparecieron despu\u00e9s de un per\u00edodo de tratamiento m\u00e1s largo que el que probablemente necesiten los pacientes con COVID-19. Adem\u00e1s, no se metaboliza en el h\u00edgado y, en cambio, se excreta a trav\u00e9s de los ri\u00f1ones, lo que significa que podr\u00eda ser seguro combinarlo con un antiviral tradicional, como lopinavir, que se metaboliza en el h\u00edgado.<\/p>\n Adem\u00e1s de las interacciones predichas por baricitinibs con AAK1 y GAK, es un conocido inhibidor de la quinasa Janus (JAK). Debido a que JAK media la se\u00f1alizaci\u00f3n de citocinas que conduce a la inflamaci\u00f3n, la inhibici\u00f3n de JAK suprime la inflamaci\u00f3n, lo que, a primera vista, podr\u00eda haber sido un problema.<\/p>\n Est\u00e1bamos en esta posici\u00f3n an\u00f3mala de tener un f\u00e1rmaco que fuera antiinflamatorio y diciendo que deber\u00edamos darle esto a alguien que est\u00e1 infectado por el virus, lo cual no tiene mucho sentido, dice Richardson. Pero la idea es que baricitinib no solo evita que el virus ingrese a las c\u00e9lulas, sino que tambi\u00e9n reduce la intensa reacci\u00f3n inmunol\u00f3gica que causa tantos problemas, incluso cuando los t\u00edtulos virales comienzan a caer.<\/p>\n Era una idea bastante buena. que Eli Lilly, la compa\u00f1\u00eda farmac\u00e9utica que fabrica baricitinib, ha llegado a un acuerdo con el Instituto Nacional de Alergias y Enfermedades Infecciosas para estudiar la eficacia de los medicamentos en pacientes con COVID-19 en los EE. UU.<\/p>\n Aunque el ensayo no funciona, vamos a descubrir una gran cantidad de personas en las que podr\u00eda funcionar y cu\u00e1ndo podr\u00eda funcionar, dice Stebbing. Se trata de medicina personalizada, lo que significa tratar a la persona adecuada en el momento adecuado con la enfermedad adecuada y los medicamentos adecuados. Con suerte, esta ser\u00e1 una parte poderosa del rompecabezas.<\/p>\n El equipo de BenevolentAI es uno de varios grupos que aprovechan la IA para encontrar medicamentos que ya hayan sido aprobados por los reguladores y, por lo tanto, podr\u00edan reutilizarse para combatir el SARS-CoV- 2.<\/p>\n Shantenu Jha, cient\u00edfico computacional de la Universidad de Rutgers y el Laboratorio Nacional de Brookhaven, combina t\u00e9cnicas y algoritmos de inteligencia artificial con simulaciones inform\u00e1ticas de alto rendimiento para acelerar la capacidad de detectar miles de millones de medicamentos existentes para sus interacciones. con capacidad para alterar las prote\u00ednas del SARS-CoV-2. En una pandemia, hay muchos candidatos a f\u00e1rmacos que a la gente le gustar\u00eda evaluar e, incluso con la proliferaci\u00f3n de la nube y las supercomputadoras, simplemente no habr\u00eda suficiente computaci\u00f3n para probarlos a todos, dice.<\/p>\n Evaluar mil millones de peque\u00f1os Las mol\u00e9culas por su capacidad para unirse a las prote\u00ednas del SARS-CoV-2 tardar\u00edan una d\u00e9cada incluso en las supercomputadoras m\u00e1s grandes, dice Jha. Pero \u00e9l y sus colegas han integrado el aprendizaje autom\u00e1tico en las simulaciones que ejecutan en las supercomputadoras, lo que permite que los programas se adapten a la nueva informaci\u00f3n que se descubre a medida que se ejecutan, produciendo resultados en este caso, listas de mol\u00e9culas peque\u00f1as candidatas mucho m\u00e1s r\u00e1pido que los m\u00e9todos tradicionales de supercomputaci\u00f3n. .<\/p>\n Cada viernes, los miembros del equipo comparten una lista de los mejores candidatos con los colaboradores, que utilizan sus propios m\u00e9todos basados en IA para evaluar las mol\u00e9culas peque\u00f1as de forma virtual o prueban su eficacia contra el coronavirus en el laboratorio. Cualesquiera que sean los resultados de esos an\u00e1lisis, los investigadores los retroalimentan en las simulaciones para refinar la b\u00fasqueda de f\u00e1rmacos.<\/p>\n Con la IA, la idea general es que cuantos m\u00e1s datos precisos pueda brindarle, mejor ser\u00e1 su capacidad para prediga, gu\u00ede, para lo que sea que lo est\u00e9 usando. Nunca puedes obtener suficientes datos buenos, dice Jha. A medida que los investigadores modifican las simulaciones en respuesta a los aportes de la comunidad, su objetivo es aumentar sus posibilidades de encontrar un candidato a f\u00e1rmaco que pueda marcar la diferencia en la pandemia.<\/p>\n Otro grupo, dirigido por Albert-Lszl Barabsi, un investigador de la Universidad Northeastern, est\u00e1 combinando la IA con otra estrategia, la medicina en red, la idea de que al comprender las interacciones gen\u00e9ticas y proteicas en el cuerpo, los investigadores pueden obtener una mejor comprensi\u00f3n de c\u00f3mo las cosas pueden salir mal durante la enfermedad. El equipo tiene un conjunto de herramientas que conectan lo que se sabe sobre estas interacciones y c\u00f3mo los medicamentos existentes encajan en la red. Luego, los investigadores identifican los aspectos de la red, o los vecindarios, que se ven perturbados durante la enfermedad y utilizan la IA y las asociaciones de redes para encontrar medicamentos existentes que podr\u00edan reutilizarse para compensar esas interrupciones.<\/p>\n Uno de lo que nuestros m\u00e9todos no nos dicen es si [estos medicamentos] mejorar\u00edan o empeorar\u00edan la situaci\u00f3n.<\/p>\n Albert-Lszl Barabsi, Northeastern University<\/p><\/blockquote>\n A veces, los medicamentos se dirigen a las prote\u00ednas directamente involucradas en una enfermedad, explica Barabsi, pero m\u00e1s a menudo golpean en otro lugar del vecindario. En el transcurso de tres semanas, \u00e9l y sus colegas buscaron interacciones entre los medicamentos aprobados que podr\u00edan reutilizarse y los vecindarios de la red de las prote\u00ednas humanas que se unieron a las prote\u00ednas del SARS-CoV-2. (Otro grupo hab\u00eda identificado estas prote\u00ednas virales en una preimpresi\u00f3n de bioRxiv<\/em> del 22 de marzo, que ahora se ha publicado en Nature<\/em>).<\/p>\n La medicina en red y la IA Las herramientas han aprendido de lo que sabemos sobre las drogas existentes y su relaci\u00f3n basada en redes. . . y ahora encuentra patrones similares en el caso de la droga y los objetivos de COVID, dice. La esperanza es que si encuentra una droga de este tipo, la droga bloquear\u00eda la capacidad del virus para hacer lo que normalmente hace o equilibrar\u00eda sus consecuencias. Quiz\u00e1s el f\u00e1rmaco interferir\u00eda con una prote\u00edna a la que el virus necesita unirse para infectar la c\u00e9lula o evitar\u00eda que el coronavirus use la maquinaria de la c\u00e9lula hu\u00e9sped para crear sus propias prote\u00ednas.<\/p>\n En un arXiv <\/em> preprint presentado el 15 de abril, el grupo Barabsi comparti\u00f3 una lista de 81 medicamentos aprobados que el equipo y sus colaboradores ahora est\u00e1n probando en el laboratorio para ver si los medicamentos interrumpen o no una infecci\u00f3n por coronavirus y c\u00f3mo podr\u00edan hacerlo. Algunos de los f\u00e1rmacos, como ritonavir, lopinavir y cloroquina, ya se est\u00e1n probando en ensayos cl\u00ednicos de COVID-19, mientras que otros, como el antihistam\u00ednico azelastina, no.<\/p>\n Una de las cosas que nuestros m\u00e9todos no nos dicen es si [estos medicamentos] mejorar\u00edan o empeorar\u00edan la situaci\u00f3n, dice Barabsi. Su estrategia solo indica si una droga perturba el vecindario correcto, no c\u00f3mo afectar\u00e1 a la red una vez que lo haga. Es por eso que preferimos comenzar con los experimentos de laboratorio antes que con los ensayos cl\u00ednicos porque en el laboratorio podremos ver si el impacto va en la direcci\u00f3n correcta.<\/p>\n Bartosz Gryzbowski, qu\u00edmico del Ulsan National Instituto de Ciencia y Tecnolog\u00eda de Corea del Sur, y su grupo han utilizado una peque\u00f1a parte de su plataforma de IA que generalmente se dedica al desarrollo de f\u00e1rmacos novedosos para analizar los f\u00e1rmacos y sus interacciones a nivel molecular. En una preimpresi\u00f3n de ChemRxiv<\/em> publicada el 17 de abril, los investigadores utilizaron algoritmos de inteligencia artificial para identificar descendientes de medicamentos que tienen similitudes con los medicamentos que ya se est\u00e1n probando para el COVID-19, a los que denominaron padres.<\/p>\n La plataforma eval\u00faa la estructura tridimensional de un f\u00e1rmaco original, los detalles de su estructura que conducen a interacciones qu\u00edmicas y el contexto de c\u00f3mo la estructura general y estos dominios espec\u00edficos interact\u00faan con un objetivo potencial y con otros dominios dentro de la mol\u00e9cula. Luego, puede identificar descendientes de medicamentos que tienen el potencial de interactuar a nivel molecular de manera similar. En el caso de que un f\u00e1rmaco original demuestre ser ineficaz en ensayos cl\u00ednicos o de laboratorio, tener los f\u00e1rmacos descendientes ya identificados podr\u00eda indicar el camino a los m\u00e9dicos que quieran probar alternativas r\u00e1pidamente.<\/p>\n Podr\u00eda ser un acto de desesperaci\u00f3n. ir por la reutilizaci\u00f3n de medicamentos, pero tambi\u00e9n por esta pandemia y por la pr\u00f3xima pandemia. . . debe haber alg\u00fan cambio fundamental en la forma en que descubrimos o en c\u00f3mo al menos obtenemos pistas sobre las drogas porque cada vez que aparece alg\u00fan virus, no debemos estar preparados, dice Gryzbowski.<\/p>\n","protected":false},"excerpt":{"rendered":" ARRIBA: ISTOCK.COM, METAMORWORKS A medida que los casos de COVID-19 contin\u00faan aumentando, los m\u00e9dicos han comenzado a reutilizar los medicamentos existentes en un intento de encontrar algo que ayudar\u00e1 a los pacientes a mejorar. En un estudio piloto a fines de marzo, 12 adultos con COVID-19 moderado ingresados en el hospital en Alessandria o Prato, … Continuar leyendo \u00abIA est\u00e1 examinando miles de millones de mol\u00e9culas para tratamientos de coronavirus\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-36715","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/36715","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=36715"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/36715\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=36715"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=36715"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=36715"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n
\n