Descubrimiento acelerado de medicamentos

No existen hoy en día técnicas computacionales fiables y precisas para predecir el resultado de los paneles de quinasas que se realizan in vitro, habituales en los procesos tradicionales de descubrimiento de proteínas con actividad farmacológica. A pesar de que en las últimas dos décadas se ha hecho un esfuerzo considerable en investigación y desarrollo de herramientas de apoyo a los biólogos en el descubrimiento de nuevos fármacos, el problema de la estimación in silico de medidas de afinidad usadas en laboratorio, permanece hoy en día inexplorado en su mayor parte. Nuestra rama de investigación utilizará técnicas novedosas en el campo de redes neuronales de grafos o Graph Neural Networks (GNN), que permitirán utilizar de forma eficaz no solo las propiedades químicas y físicas (incluso cuánticas) tanto de la molécula como de la proteína, sino también la estructura tridimensional de ambas.

La tecnología resultante de este orbital de investigación permitirá replicar en ordenador las pruebas experimentales de afinidad entre fármacos potenciales y proteínas quinasas. En otras palabras, permitirá sustituir la gran mayoría de pruebas de afinidad en laboratorio por pruebas in silico. El resultado será una drástica reducción del tiempo y coste de las pruebas de afinidad molécula-quinasa y, en última instancia, el aumento en varios órdenes de magnitud la cantidad de compuestos que podrán considerarse en un mismo estudio. Una técnica así, además, abrirá las puertas a nuevos procesos, más optimizados y automatizados, en los que los investigadores de nuevos fármacos, con la ayuda de esta técnica computacional, realizarán búsquedas masivas de pequeñas moléculas, tanto conocidas como nuevas, utilizando métricas ya conocidas y útiles.