Investigadores, liderados por Connor Coley del MIT, utilizan inteligencia artificial para identificar y diseñar nuevos compuestos farmacéuticos, optimizando reacciones químicas y mejorando el descubrimiento de medicamentos.
La intersección entre la química y el aprendizaje automático está abriendo nuevas posibilidades en el descubrimiento de fármacos. Se estima que entre 1020 y 1060 compuestos químicos podrían tener potencial como medicamentos, lo que representa un desafío monumental para los investigadores. Evaluar cada uno de estos compuestos de manera experimental resulta inviable, por lo que se ha comenzado a utilizar inteligencia artificial (IA) para identificar candidatos prometedores.
Connor Coley, profesor asociado en el Instituto Tecnológico de Massachusetts (MIT), combina su experiencia en ingeniería química y ciencias de la computación para desarrollar modelos computacionales que analizan una vasta cantidad de compuestos químicos. Su enfoque principal es la descubrimiento de fármacos a través de moléculas pequeñas, utilizando IA para predecir rutas de reacción y diseñar nuevos compuestos.
Coley proviene de una familia con una fuerte inclinación hacia la ciencia; su padre es radiólogo, su madre tiene un título en biofísica molecular y su abuela fue profesora de matemáticas. Desde joven mostró interés por la ciencia, participando en competiciones científicas durante sus años escolares. Se graduó a los 16 años y continuó sus estudios en Caltech, donde eligió ingeniería química por su combinación de intereses en ciencia y matemáticas.
A lo largo de su formación académica, Coley también exploró la informática al trabajar en un laboratorio de biología estructural. Su trayectoria lo llevó a MIT en 2014 para realizar un doctorado, donde se centró en optimizar reacciones químicas automatizadas mediante el uso de métodos computacionales.
Tras completar su doctorado, Coley realizó un postdoctorado en el Broad Institute, enfocándose en identificar pequeñas moléculas con interacciones específicas para combatir enfermedades. Desde su regreso a MIT en 2020, ha liderado un grupo de investigación dedicado a aplicar IA no solo para sintetizar compuestos existentes sino también para diseñar nuevas moléculas con propiedades deseadas.
Uno de los modelos desarrollados por su laboratorio es conocido como ShEPhERD, diseñado para evaluar nuevos fármacos según cómo interactúan con proteínas objetivo basándose en sus formas tridimensionales. Este modelo ya está siendo utilizado por empresas farmacéuticas para facilitar el descubrimiento de nuevos medicamentos.
Coley también ha creado FlowER, un modelo generativo que predice productos resultantes al combinar diferentes insumos químicos. Este enfoque considera principios físicos fundamentales, mejorando así la precisión predictiva del modelo al incorporar pasos intermedios necesarios durante las reacciones químicas.
A través de estas innovaciones, Coley busca avanzar significativamente el campo del AI aplicado a la química, contribuyendo al desarrollo eficiente y efectivo de nuevos tratamientos médicos.
Connor Coley utiliza modelos computacionales y técnicas de aprendizaje automático para analizar grandes cantidades de compuestos químicos, diseñar nuevos compuestos y predecir las rutas de reacción que podrían generar esos compuestos. Su enfoque se centra principalmente en el descubrimiento de fármacos de pequeñas moléculas.
ShEPhERD es un modelo desarrollado por el laboratorio de Coley que evalúa potenciales nuevas moléculas de medicamentos basándose en cómo interactuarán con proteínas objetivo, considerando las formas tridimensionales de las moléculas. Este modelo ya está siendo utilizado por empresas farmacéuticas para ayudar en el descubrimiento de nuevos fármacos.
El modelo FlowER incorpora principios físicos fundamentales, como la ley de conservación de la masa, y considera la viabilidad de los pasos intermedios necesarios para pasar de reactivos a productos. Esto mejora la precisión de las predicciones del modelo sobre los productos resultantes de reacciones químicas.