Estudian herramientas de computación de altas prestaciones que reduzcan el tiempo de desarrollo de nuevos fármacos

La catedrática Pilar Martínez Ortigosa y la profesora Juana López Redondo, que son respectivamente responsable y miembro del área Arquitectura y Tecnología de Computadores del Departamento de Informática de la Universidad de Almería, junto con Savíns Puertas Martín, estudiante al que codirigen su tesis doctoral, han logrado grandes avances en sus aportaciones a un trabajo conjunto que procura reducir costes y tiempo en el desarrollo de fármacos.

Este estudio pone las TIC al servicio de la biomedicina y la salud.

Pertenecientes al grupo de investigación TIC146 ‘Supercomputación y Algoritmos’ de la Universidad de Almería, han unido esfuerzos con científicos de grupos de tres instituciones más, entre ellos Horacio Pérez Sánchez, igualmente codirector de la tesis de Puertas, que fue quien propuso originariamente este estudio como investigador principal del grupo ‘Bio-HPC’ de la UCAM. Las otras dos han sido la Universidad de la Coruña y el Instituto de Biología Molecular y Genética, de la Academia Nacional de Ciencia de Ucrania, en Kiev.

De carácter multidisciplinar, en los campos de la informática, la química y la biología, este trabajo es de gran importancia, pues aborda un estudio no solo de las herramientas que actualmente existen, sino de las venideras, optimizando y adelantando resultados en el proceso de desarrollo farmacológico, lo que, si bien siempre ha sido importante, hoy en día lo es más por la aparición de la COVID-19.

Se ha tenido presente lo dicho por Bill Gates sobre que nunca se ha logrado una vacuna nueva en menos de cinco años “pero esto es urgente y requiere una gigantesca colaboración”, mostrándose optimista al respecto. El trabajo ha contado con la aportación de los amplios conocimientos de computación y la experiencia que han ido adquiriendo estos investigadores de la UAL a lo largo de su trayectoria, en la que han dado soluciones a todo tipo de problemas en campos como la localización, la energía solar, el tratamiento de alimentos o, como ha sido este caso, el desarrollo de fármacos.

Esto último se sabe que es un proceso que ha requerido siempre de mucho tiempo y dinero, siendo uno de los principales motivos los millones de compuestos que deben ser analizados. Esta circunstancia ha obligado desde hace varias décadas a desarrollar técnicas automáticas que encuentren los compuestos más adecuados. De este modo, si bien en sus inicios no eran tan usadas, actualmente las herramientas computacionales se aplican de forma masiva. Una de las más utilizadas es el Cribado Virtual, que en concreto consiste en examinar las grandes bases de datos químicas con el objetivo de extraer solo los compuestos más prometedores, que son priorizados en etapas posteriores del desarrollo del fármaco.

Estas técnicas han mejorado en rapidez y calidad de la solución, pero la cantidad de compuestos a analizar obliga a utilizar otras técnicas de Computación de Altas Prestaciones (HPC). De no ser por ellas, no sería posible procesar toda la información que está disponible en las referidas bases de datos de potenciales compuestos farmacológicos, ya que el poder de cálculo requerido es enorme, más aún en contextos específicos como el generado por la COVID-19, o en su momento Ébola o Zika. Brotes de enfermedades infecciosas en un período de una semana a un mes pueden convertirse en una pandemia.

Los investigadores de la Universidad de Almería han hecho referencia a que la Computación de Altas Prestaciones “hoy en día no se entiende con una habitación llena de computadores, sino que todo se ejecuta en la nube”. Esto ha facilitado al mundo académico que se avance en la investigación, pues no se suele poder mantener servidores funcionando todo un año, como las empresas privadas, “pero sí pueden utilizarse durante el tiempo que dure su investigación”. No obstante, cabe añadir que cada vez son más los servicios que se ofrecen gratuitamente al mundo académico.

Asimismo, en los últimos años están surgiendo nuevas técnicas influenciadas por varios motivos: el Machine Learning o Aprendizaje Automatizado está siendo una nueva baza para el descubrimiento de fármacos, ya que está mejorando los resultados del cribado virtual, aunque tiene el hándicap de que los modelos son muy costosos de entrenar, sin olvidar que la Ley de Moore está llegando a su fin, produciéndose ahora la creación de computadores cuánticos por parte de las grandes tecnológicas, lo que parece que va a crear una nueva línea futura de investigación que reduzca más los tiempos y mejore la precisión de los resultados.