Desenvolupen un model predictor que preveu els efectes de les substàncies químiques en la salut

Representació del model predictor de substàncies químiques relacionades amb malalties humanes. El cercles taronges són efectes adversos i els cercles verds, terapèutics. La grandària dels cercles és proporcional al nombre de molècules que contenen.
Representació del model predictor de substàncies químiques relacionades amb malalties humanes. El cercles taronges són efectes adversos i els cercles verds, terapèutics. La grandària dels cercles és proporcional al nombre de molècules que contenen.
  • <p>Scheme of the predictive model of chemical substances and their association with human diseases. The orange and green circles show adverse and therapeutic effects respectively. The size of the circles is proportional to the number of molecules that hold t</p>
  • <p>Examples of information obtained with the study: relationship between diseases, reuse of drugs, and therapeutic and adverse effects of the substances.</p>
  • <p>The model developed by researchers at IRB Barcelona allows prediction of the adverse or therapeutic effects of chemical substances on health.</p>

L’anàlisi de fàrmacs, productes naturals i substàncies mediambientals permet identificar els fragments químics responsables de causar un efecte terapèutic o perjudicial per a la salut humana.

Aquest coneixement pot ser d’utilitat per generar fàrmacs amb menys efectes secundaris, relacionar malalties i donar nous usos a fàrmacs ja aprovats.

El model predictor ideat pels investigadors de l’IRB Barcelona dóna informació pel tractament d’un 20% de malalties humanes.

Les bases de dades actuals contenen informació de milers de molècules, entre medicaments, substàncies naturals i agents químics mediambientals, associades a malalties, ja sigui perquè tenen efectes adversos o terapèutics. Partint d’aquest coneixement acumulat durant anys i disponible en bases de dades, científics de l’Institut de Recerca Biomèdica (IRB Barcelona) liderats per l’investigador ICREA Patrick Aloy, han ideat un model predictor que permet associar fragments químics amb efectes positius o negatius per a un 20% de les malalties humanes. L’estudi es publica avui a Nature Communications i pot tenir aplicació per dissenyar fàrmacs més segurs, detectar comorbiditats i donar nous usos a fàrmacs ja aprovats.

L’estudi ha comportat l’anàlisi de 10.000 molècules químiques que contenen 98.077 fragments associats a 1.176 condicions patològiques, representatives de totes les malalties humanes.

La farmacologia anterior als 80’ amb la visió del segle XXI

Fins cap als anys 80, els farmacòlegs dissenyaven una substància química i estudiaven l’efecte que feia en un organisme model. Sense capficar-se en què feien aquelles substàncies a nivell molecular ni saber les proteïnes que alteraven es van desenvolupar un munt de medicaments per tractar tot tipus de malalties.

Aquesta pràctica d’assaig i error que va acumular molt coneixement, es va abandonar amb la irrupció de la biologia molecular. Des de principis del segle XXI, els fàrmacs es dissenyen per alterar el comportament de proteïnes o gens que prèviament se saben afectats en una determinada patologia. Aquesta aproximació basada en el coneixement biològic previ no està donant els fruits esperats.

El químic Miquel Duran, estudiant de doctorat que treballa en biologia de xarxes a l’IRB Barcelona, va preguntar-se si l’acumulació de dades actuals que relacionen l’estructura química de substàncies a malaltia pel seu efecte terapèutic o advers, permetria desenvolupar un model predictor que relacionés una estructura química amb l’efecte que tindria en humans. “El que veiem és que, en efecte, tenim prou informació sobre estructures químiques per predir raonablement bé els efectes que tindran en un 20% de totes les malalties humanes”, diu Duran.

“Això significa que la informació d’estructures químiques, que en moltes ocasions i sobretot en l’àmbit de la biologia molecular no es té en compte, pot ser molt útil per a la biomedicina, com per exemple per dissenyar fàrmacs més segurs”, assegura l’investigador. L’estudi permet agrupar el coneixement acumulat redescobrint-lo i organitzant-lo, i generar un 20% de coneixement nou gràcies a l’explotació de les dades informatitzades.

Dissenys més segurs, comorbiditat i reposicionament de fàrmacs

Patrick Aloy explica que l’estudi serveix per disposar d’informació valuosa per evitar o propiciar l’ús de determinats fragments químics en el disseny de fàrmacs. Per exemple, el seu model estima que hi ha un 40% de fragments químics amb efectes terapèutics que no s’estan incorporant en el disseny de fàrmacs mentre que, en canvi, hi ha fragments que causen efectes secundaris que es troben en molts medicament en ús.  

Els investigadors assenyalen a més que el seu estudi pot servir per detectar associacions entre dues malalties, l’anomenada comorbiditat –l’una et porta al desenvolupament de l’altre- o comorbiditat inversa –l’una et protegeix de desenvolupar-ne una altra-, i per indicar nous possibles usos per a fàrmacs ja aprovats.

Aquest treball ha estat possible gràcies a finançament aportat pel Ministeri d’Economia i Competitivitat, la Comissió Europea i el Consell Europeu de Recerca al laboratori dirigit per Patrick Aloy en Bioinformàtica Estructural i Biologia de Xarxes a l’IRB Barcelona.   

Article de referència:

A chemo-centric view of human health and disease

Miquel Duran-Frigola, David Rossell & Patrick Aloy

Nature Communications (1 December 2014) doi: 10.1038/ncomms6676