Los modelos de aprendizaje automático QSAR y sus aplicaciones para identificar posibles tratamientos para la COVID-19

Uso de QSAR para identificar tratamientos para la COVID-19


A pesar del enorme esfuerzo y de las cuantiosas inversiones realizadas, en los siete meses transcurridos desde que la Organización Mundial de la Salud declaró la pandemia de COVID-19, no se han encontrado tratamientos terapéuticos eficaces para los pacientes afectados por esta enfermedad. Con el fin de identificar tratamientos antivirales eficaces que puedan mitigar el impacto del virus, un grupo de científicos y tecnólogos de CAS emplearon modelos predictivos de aprendizaje automático para intentar identificar posibles fármacos candidatos para tratar la COVID-19. Se usó la metodología de relación cuantitativa estructura-actividad (QSAR, Quantitative Structure-Activity Relationships) para crear y probar más de 40 modelos para las dianas proteínicas prioritarias 3CLpro o RdRp del virus. Los modelos con mayor rendimiento se aplicaron para cribar un conjunto de más de 150 000 sustancias químicas, incluidos algunos medicamentos aprobados por la FDA. Este trabajo logró identificar varios fármacos que ahora están empezando a demostrar su efectividad clínica, como Lopinavir y Telmisartan, así como otras sustancias candidatas que se están evaluando. 

Esperamos que esta iniciativa, en la que se combinó la selección de datos por expertos con modelos predictivos de aprendizaje automático para identificar fármacos candidatos de moléculas pequeñas que se puedan usar como tratamientos para la COVID-19, ponga en primer plano el valor de la sinergia entre los humanos y las máquinas en el descubrimiento de fármacos y contribuya a los esfuerzos permanentes de investigación de antivirales para la COVID-19 y otras enfermedades.

Leer el artículo en ACS Omega 


Lectura relacionada