Publicidad
Publicidad

Un modelo predictor prevé los efectos de las sustancias químicas en la salud

Descubierto por un grupo de científicos del Instituto de Investigación Biomédica (IRB Barcelona) liderados por el investigador ICREA, Patrick Aloy. 

Las bases de datos actuales contienen información de miles de moléculas, entre medicamentos, sustancias naturales y agentes químicos medioambientales, asociadas a enfermedades, ya sea porque tienen efectos adversos o terapéuticos. Partiendo de este conocimiento acumulado durante años y disponible en bases de datos, científicos del Instituto de Investigación Biomédica (IRB ...

Las bases de datos actuales contienen información de miles de moléculas, entre medicamentos, sustancias naturales y agentes químicos medioambientales, asociadas a enfermedades, ya sea porque tienen efectos adversos o terapéuticos. Partiendo de este conocimiento acumulado durante años y disponible en bases de datos, científicos del Instituto de Investigación Biomédica (IRB Barcelona) liderados por el investigador ICREA Patrick Aloy, han ideado un modelo predictor que permite asociar fragmentos químicos con efectos positivos o negativos para un 20% de las enfermedades humanas. El estudio publicado en Nature Communications  puede tener aplicación para diseñar fármacos más seguros, detectar asociaciones entre enfermedades y dar nuevos usos a fármacos ya aprobados.

El estudio ha conllevado el análisis de 10.000 moléculas químicas que contienen 98.077 fragmentos asociados a 1.176 condiciones patológicas, representativas de todas las enfermedades humanas.

Hasta los años 80, los farmacólogos diseñaban una sustancia química y estudiaban el efecto que tenía en un organismo modelo. Sin preocuparse en que hacían aquellas sustancias a nivel molecular ni saber las proteínas que alteraban se desarrollaron una gran cantidad de medicamentos para tratar todo tipo de enfermedades. Esta práctica de ensayo y error que acumuló mucho conocimiento, se abandonó con la irrupción de la biología molecular. Desde principios del siglo XXI, los fármacos se diseñan para alterar el comportamiento de proteínas o genes que previamente se saben afectados en una determinada patología. Esta aproximación basada en el conocimiento biológico previo no está dando los frutos esperados.

Patrick Aloy explica que el estudio sirve para disponer de información valiosa para evitar o propiciar el uso de determinados fragmentos químicos en el diseño de fármacos. Por ejemplo, su modelo estima que hay un 40% de fragmentos químicos con efectos terapéuticos que no se están incorporando en el diseño de fármacos mientras que, en cambio, hay fragmentos que causan efectos secundarios que se encuentran en muchos medicamentos en uso.

Los investigadores señalan además que su estudio puede servir para detectar asociaciones entre dos enfermedades, la llamada comorbilidad -una lleva al desarrollo de otra- o comorbilidad inversa -una protege de desarrollar otra-, y para indicar nuevos posibles usos para fármacos ya aprobados.

Este trabajo ha sido posible gracias a la financiación aportada por el Ministerio de Economía y Competitividad, la Comisión Europea y el Consejo Europeo de Investigación en el laboratorio dirigido por Patrick Aloy en Bioinformática Estructural y Biología de Redes en el IRB Barcelona.

Publicidad
Publicidad
Este sitio web utiliza Cookies propias y de terceros, para recopilar información con la finalidad de mejorar nuestros servicios, para mostrarle publicidad relacionada con sus preferencias, así como analizar sus hábitos de navegación. Si continua navegando, supone la aceptación de la instalación de las mismas. El usuario tiene la posibilidad de configurar su navegador pudiendo, si así lo desea, impedir que sean instaladas en su disco duro, aunque deberá tener en cuenta que dicha acción podrá ocasionar dificultades de navegación de la página web.

Cookie Consent

This website uses cookies or similar technologies, to enhance your browsing experience and provide personalized recommendations. By continuing to use our website, you agree to our Privacy Policy

Nuestros Podcasts