Enfoques emergentes en el descubrimiento de fármacos basados en datos para enfermedades raras

Área de la Ciencia:

• Farmacología y Biología Computacional
• Descubrimiento y desarrollo de fármacos

Sus antecedentes:

• Las enfermedades raras plantean desafíos significativos en el descubrimiento de fármacos debido a las pequeñas poblaciones de pacientes y las limitaciones de datos.
• El desarrollo de fármacos tradicionales lucha con la variabilidad genética y los complejos mecanismos de las enfermedades raras.

Objetivo del estudio:

• Revisar la integración de datos farmacocinéticos (PK) y de metabolismo de fármacos en enfoques basados en datos para el descubrimiento de fármacos para enfermedades raras.
• Explorar el papel de la inteligencia artificial (IA) y el aprendizaje automático (AM) en la optimización de fármacos candidatos y la predicción de estrategias terapéuticas.

Principales métodos:

• Integración de los datos de PK/ADME (absorción, distribución, metabolismo y excreción) con técnicas computacionales como la IA y el ML.
• Análisis de las interacciones enzima-fármaco, vías metabólicas y simulaciones de PK basadas en IA.
• Evaluación de modelos farmacodinámicos combinados con datos multiómicos.

Principales resultados:

• La IA y la ML mejoran la predicción de los parámetros de PK y el comportamiento de los fármacos en diversas poblaciones.
• La integración con datos genómicos y proteómicos identifica nuevas vías terapéuticas.
• Los enfoques computacionales mejoran la precisión predictiva, la seguridad de los medicamentos y reducen los plazos y costos de desarrollo.

Conclusiones:

• La integración de estudios de farmacocinética y metabolismo dentro de marcos basados en datos es crucial para el descubrimiento de fármacos para enfermedades raras.
• Los enfoques basados en IA aceleran la innovación terapéutica y abordan las necesidades médicas no satisfechas de los pacientes con enfermedades raras.
• La colaboración interdisciplinaria mejora la precisión y la eficacia de los tratamientos personalizados.