La adherencia es un obstáculo clave en el proceso de detección y descubrimiento de fármacos. Sin embargo, una nueva investigación que combina química y aprendizaje automático podría reducir ese obstáculo.
Concretamente, la nueva técnica, denominada DeepBAR, calcula rápidamente las afinidades de unión entre los candidatos a fármacos y sus objetivos. El enfoque produce cálculos precisos en una fracción del tiempo en comparación con los métodos de última generación anteriores.
En este sentido, los investigadores han explicado que DeepBAR podría algún día acelerar el ritmo del descubrimiento de fármacos y la ingeniería de proteínas.
Y es que, DeepBAR calcula exactamente la energía libre de enlace, pero requiere solo una fracción de los cálculos exigidos por los métodos anteriores. La nueva técnica combina cálculos químicos tradicionales con avances recientes en aprendizaje automático.
DeepBAR calculó la energía libre de unión casi 50 veces más rápido que los métodos anteriores
Además, DeepBAR reduce drásticamente los estados intermedios al implementar la tasa de aceptación de Bennett en marcos de aprendizaje automático llamados modelos generativos profundos.
En pruebas que utilizan pequeñas moléculas similares a proteínas, DeepBAR calculó la energía libre de unión casi 50 veces más rápido que los métodos anteriores.
Los investigadores han detallado que, además de la detección de drogas, DeepBAR podría ayudar al diseño y la ingeniería de proteínas, ya que el método podría usarse para modelar interacciones entre múltiples proteínas.
Por ello, en un futuro, los investigadores planean mejorar la capacidad de DeepBAR para ejecutar cálculos para proteínas grandes, una tarea que se hizo factible gracias a los avances recientes en la ciencia de la computación.