211service.com
Documentos científicos de Software Mines para hacer nuevos descubrimientos
El software que leyó decenas de miles de artículos de investigación y luego predijo nuevos descubrimientos sobre el funcionamiento de una proteína que es clave para el cáncer podría presagiar un enfoque más rápido para desarrollar nuevos fármacos.
El software, desarrollado en colaboración entre IBM y Baylor College of Medicine, se publicó en más de 60.000 artículos de investigación que se centraron en p53, una proteína involucrada en el crecimiento celular, que está implicada en la mayoría de los cánceres. Al analizar las oraciones en los documentos, el software podría desarrollar una comprensión de lo que se sabe acerca de las enzimas llamadas quinasas que actúan sobre p53 y regulan su comportamiento; estas enzimas son objetivos comunes para los tratamientos contra el cáncer. Luego generó una lista de otras proteínas mencionadas en la literatura que probablemente eran quinasas no descubiertas, basándose en lo que sabía sobre las ya identificadas. La mayoría de sus predicciones probadas hasta ahora han resultado ser correctas.
Hemos probado 10, Olivier Lichtarge de Baylor, dijo el martes. Siete parecen ser verdaderas quinasas. Presentó los resultados preliminares de su colaboración con IBM en un reunión sobre el tema de la Computación Cognitiva celebrada en el laboratorio de investigación de IBM en Almaden.
Lichtarge también describió una prueba anterior del software en la que se le dio acceso a la literatura de investigación publicada antes de 2003 para ver si podía predecir las quinasas p53 que se han descubierto desde entonces. El software encontró siete de las nueve quinasas descubiertas después de 2003.
La biología de P53 es fundamental para todo tipo de enfermedades, dice Lichtarge, por lo que parecía ser la manera perfecta de demostrar que los descubrimientos generados por software podrían acelerar la investigación que conduzca a nuevos tratamientos. Él cree que los resultados hasta ahora muestran que eso es cierto, aunque los experimentos de búsqueda de quinasas aún no se han revisado y publicado en una revista científica, y aún se planean más pruebas de laboratorio para confirmar los hallazgos hasta ahora. Las quinasas generalmente se descubren a una tasa de una por año, dice Lichtarge. La tasa de descubrimiento puede acelerarse enormemente.
Lichtarge dijo que aunque el software se configuró para buscar solo quinasas, también parece capaz de identificar fosfatasas previamente no identificadas, que son enzimas que revierten la acción de las quinasas. También puede identificar otros tipos de proteínas que pueden interactuar con p53.
La colaboración de Baylor tiene como objetivo probar una forma de ampliar un conjunto de herramientas que los investigadores de IBM ya ofrecen a las empresas farmacéuticas. Bajo el lema del descubrimiento acelerado, las herramientas de análisis de texto se utilizan para extraer publicaciones, patentes y bases de datos moleculares. Por ejemplo, una empresa en busca de un nuevo medicamento contra la malaria podría utilizar las herramientas de IBM para encontrar moléculas con características similares a los tratamientos existentes. Debido a que el software puede buscar más ampliamente, podría encontrar moléculas en publicaciones o patentes pasadas por alto que ningún ser humano encontraría de otra manera.
Comenzamos a trabajar con Baylor para adaptar esas capacidades y extenderlas para mostrar que este proceso se puede aprovechar para descubrir cosas nuevas sobre la biología de p53, dice Ying Chen , investigador de IBM Research Almaden.
Por lo general, se necesitan entre $ 500 millones y $ 1 mil millones de dólares para desarrollar un nuevo medicamento, y el 90 por ciento de los candidatos que comienzan el viaje no llegan al mercado, dice Chen. El costo de los medicamentos fallidos se cita como una de las razones por las que algunos medicamentos tienen precios tan altos (ver Historia de dos medicamentos).
Lawrence Hunter , director del Centro de Farmacología Computacional de la Universidad de Colorado en Denver, dice que se necesita una confirmación empírica cuidadosa para las afirmaciones de que el software ha hecho nuevos descubrimientos. Pero dice que el progreso en esta área es importante y que estas herramientas se necesitan desesperadamente.
El volumen de literatura de investigación, tanto antigua como nueva, es ahora tan grande que incluso los especialistas no pueden esperar leer todo lo que pueda ayudarlos, dice Hunter. El año pasado, se agregaron más de un millón de artículos nuevos a la Biblioteca Nacional de Medicina de EE. UU. Medline base de datos de artículos de investigación biomédica, que ahora contiene 23 millones de artículos. El software puede analizar cantidades masivas de información y encontrar pistas vitales en lugares inesperados. Los bits cruciales de información a veces son hechos aislados que son solo un punto menor en un artículo, pero que serían realmente importantes si puedes encontrarlos, dice.
Lichtarge cree que un software como el suyo podría cambiar la forma en que los científicos realizan y evalúan nuevos hallazgos de investigación. Actualmente, los científicos dependen en parte de la reputación de las personas, instituciones y revistas involucradas, y del número de veces que otros citan un artículo.
El software que obtiene significado de toda la información publicada dentro de un campo podría ofrecer una mejor manera, dice Lichtarge. Puede publicar directamente en el [software] y ver lo disruptivo que es, dice.
Hunter cree que los científicos podrían incluso usar tales herramientas en una etapa anterior, si el software presenta pruebas a favor y en contra de nuevas hipótesis. Creo que realmente ayudaría a que la ciencia fuera más rápida. A menudo perdemos mucho tiempo en el laboratorio porque no sabíamos todos los detalles de la literatura, dice.