Avanzar en la degradación de proteínas dirigida a través del perfilamiento multiómico y la inteligencia artificial

Área de la Ciencia:

• La bioquímica
• Descubrimiento de drogas
• Proteomía

Sus antecedentes:

• La farmagabilidad limitada del proteoma humano (aprox. 20%) limita las opciones terapéuticas.
• La degradación proteica dirigida (TPD) surge como una estrategia prometedora para abordar objetivos no farmacológicos.
• TPD utiliza pequeñas moléculas para inducir la proximidad entre una proteína objetivo y una ligasa E3, lo que lleva a la degradación de la proteína.

Objetivo del estudio:

• Revisar los desafíos actuales en la degradación proteica dirigida.
• Explorar el papel de la elaboración de perfiles multiómicos y la IA/ML en el avance de la TPD.
• Proponer una hoja de ruta para el futuro desarrollo de TPD.

Principales métodos:

• Perspectiva y revisión de la literatura actual y las tecnologías emergentes.
• Discusión de la integración de datos multiómicos.
• Exploración de aplicaciones de inteligencia artificial y aprendizaje automático en el descubrimiento de fármacos.

Principales resultados:

• Identificación de los principales desafíos en la DPT, incluida la especificidad y la ejecución de los objetivos.
• Destacó el potencial de la multiómica y la IA/ML para acelerar el diseño y el descubrimiento de degradantes.
• Trazó una hoja de ruta estratégica para superar las limitaciones de TPD.

Conclusiones:

• El TPD representa un avance significativo en el descubrimiento de fármacos, expandiendo el proteoma farmacológico.
• La multiómica y la IA/ML son cruciales para desbloquear todo el potencial de la TPD.
• La hoja de ruta discutida es aplicable a los agentes degradantes de pequeñas moléculas y otras modalidades que inducen la proximidad.