Mundo, 28 de may 2025 (ATB Digital) .- Desarrollar un nuevo antiviral puede suponer entre 10 y 15 años y una inversión superior a los 1.000 millones de euros. Sin embargo, la aplicación de las últimas tecnologías puede reducir estas cifras a una décima parte. Científicos de la Universidad de Pensilvania han desarrollado un nuevo proceso, fundamentado en inteligencia artificial (IA), capaz de identificar compuestos antivirales a partir de un grupo reducido de opciones y datos limitados. Lo han probado con el enterovirus conocido como EV-71, para el que no hay tratamiento y genera el síndrome mano-pie-boca (HFMD, por sus siglas en inglés), caracterizado por fiebre, llagas y sarpullidos, aunque puede ocasionar complicaciones neurológicas graves. El sistema se puede aplicar en otras infecciones.
El proceso, publicado en Cell Reports Physical Science, se fundamenta en el entrenamiento de modelos de aprendizaje automático para un conjunto de solo 36 compuestos. De estos, los investigadores preseleccionaron ocho y predijeron de forma precisa cinco agentes antivirales, confirmados experimentalmente.
“Nuestro método, impulsado por IA, muestra que, incluso con datos limitados, el aprendizaje automático puede identificar eficazmente los compuestos antivíricos, acelerando el desarrollo de soluciones efectivas y garantizando una respuesta rápida a futuros brotes”, explica Angela Cesaro, coautora del trabajo surgido del laboratorio del español César de la Fuente en la Universidad de Pensilvania y con la colaboración de Cornell.
“Lo emocionante de este trabajo es cómo se fusiona la IA con la experimentación rigurosa. Al unir las simulaciones moleculares, el aprendizaje automático y la validación de laboratorio dirigida, estamos acortando los plazos de descubrimiento y abriendo una nueva era de medicina basada en datos”, añade De la Fuente.
La propuesta surgió hace cuatro años de la farmacéutica Procter & Gamble, que propuso la investigación a partir del enterovirus 71, para el que solo existen propuestas de vacunas experimentales. “Nuestras simulaciones de dinámica molecular proporcionan información crucial sobre cómo los compuestos antivirales interactúan con la cápside EV71 a nivel atómico”, explica Haoyuan Shi, de la Universidad de Cornell y coautor del estudio. La cápside es la envoltura proteica externa del virus y no solo protege su material genético, sino que es fundamental para la infección.
Uno de los elementos más novedosos de la investigación ha sido precisamente la limitación de datos. Los sistemas fundamentados en aprendizaje automático para el hallazgo de compuestos dependen de grandes y costosos conjuntos de información. Sin embargo, según explica Fangping Wan, también integrante del proyecto, el equipo fue capaz de modelar el efecto antiviral “incluso en un escenario con datos muy limitados”.
De la Fuente destaca que una de las ventajas más llamativas del nuevo proceso es la posibilidad de reducir a una décima parte el tiempo y la inversión precisa para desarrollar antivíricos desde cero: “Una de las claves es que, de un modelo con pocas moléculas, desarrollamos una base de datos con varios compuestos que muestran actividad contra el enterovirus 71. Luego hicimos muchas simulaciones computacionales para ver exactamente cómo la propuesta interactúa con el virus”.
Pero otra de las claves es que el modelo desarrollado por iniciativa de Procter & Gamble, que aportó las bases moleculares, se ha desarrollado con un código abierto y público al que puede acceder cualquier investigador para probar el sistema con otros patógenos.
“El modelo puede servir como base inicial para entrenarlo con otro tipo de datos, para ajustarlo a la singularidad de otras infecciones. La clave es desarrollar tecnologías, herramientas computacionales que luego podamos extrapolar”, explica De la Fuente.
Fuente: EP