.avif)
A pesar de los grandes esfuerzos e inversiones realizados en los siete meses transcurridos desde que la Organización Mundial de la Salud declaró la pandemia de COVID-19, los tratamientos terapéuticos eficaces para los pacientes que padecen esta enfermedad siguen siendo difíciles de encontrar. Para contribuir a la búsqueda de tratamientos antivirales eficaces que mitiguen el impacto del virus, un grupo de científicos y tecnólogos de CAS trató de identificar posibles fármacos candidatos para tratar la COVID-19 mediante modelos predictivos de aprendizaje automático. Se utilizó la metodología de Relación Cuantitativa Estructura-Actividad (QSAR) para construir y probar más de 40 modelos para las dianas de proteínas virales prioritarias 3CLpro o RdRp. Los modelos de clasificación con mejor rendimiento se aplicaron para analizar un conjunto de más de 150.000 sustancias químicas, incluidos fármacos aprobados por la FDA. Este trabajo permitió identificar con éxito varios fármacos que ahora empiezan a mostrar eficacia clínica, como el lopinavir y el telmisartán, así como muchas otras sustancias candidatas a tener en cuenta.
Esperamos que este esfuerzo, que combinó la curación de datos humanos y modelos predictivos de aprendizaje automático para identificar con éxito posibles fármacos candidatos de molécula pequeña para la COVID-19, destaque el valor de la sinergia entre humanos y máquinas en el descubrimiento de fármacos, al tiempo que contribuye a los esfuerzos de investigación antiviral en curso para la COVID-19 y más allá.
