DPPPRED-IV, un sistema basado en aprendizaje automático que permite identificar con rapidez y fiabilidad nuevos compuestos activos contra la enzima DPP4, clave en el tratamiento de la diabetes tipo 2.
La diabetes mellitus tipo 2 (T2DM) es una enfermedad crónica y multifactorial que afecta a más de 400 millones de personas en todo el mundo. Aunque existen terapias eficaces, como los inhibidores de la enzima dipeptidil peptidasa 4 (DPP4), el desarrollo de nuevos fármacos sigue siendo un reto debido a la inmensidad del espacio químico y al elevado coste de los ensayos experimentales. En este contexto, un equipo de investigación liderado por las empresas biotecnológicas asociadas ProtoQSAR y MolDrug AI Systems, en colaboración con el grupo de la Dra. Yolanda Sanz del Instituto de Agroquímica y Tecnología de Alimentos del CSIC (IATA-CSIC), ha desarrollado una nueva herramienta computacional que promete transformar el cribado temprano de candidatos terapéuticos contra la diabetes tipo 2.
La herramienta, denominada DPPPRED-IV, ha sido publicada en la revista científica internacional International Journal of Molecular Sciences y está ya disponible de forma gratuita a través de la plataforma ChemoPredictionSuite. Se trata de un sistema de predicción basado en modelos QSAR (Quantitative Structure-Activity Relationship), que combina métodos de clasificación binaria y regresión para estimar tanto la probabilidad de que un compuesto actúe como inhibidor de DPP4 como su potencia (IC₅₀).
Una combinación de inteligencia artificial y datos experimentales
Para construir DPPPRED-IV, los investigadores recopilaron y depuraron un conjunto de datos con más de 4000 compuestos bioactivos procedentes de la base de datos ChEMBL, una de las más reconocidas a nivel internacional. A partir de estos datos, se aplicaron algoritmos genéticos para seleccionar los descriptores moleculares más relevantes y se entrenaron varios modelos de aprendizaje automático, que fueron combinados en un sistema de votación ponderada para mejorar la precisión de las predicciones.
Cabe destacar de este trabajo, además, que los modelos fueron validados con datos experimentales reales. Tras realizar un cribado virtual sobre la base de datos comercial, se seleccionaron 29 compuestos con diferentes probabilidades de ser activos frente a esta enzima. Los resultados confirmaron la herramienta presenta una exactitud en sus predicciones alrededor del 70%, demostrando su utilidad para reducir el número de ensayos necesarios y orientar la investigación hacia compuestos más prometedores.
Una herramienta abierta al servicio de la investigación
DPPPRED-IV ya está accesible públicamente dentro de la plataforma ChemoPredictionSuite y permite a cualquier usuario introducir estructuras químicas para obtener predicciones inmediatas sobre su potencial inhibitorio frente a la enzima DPP4. Además, ofrece información sobre la aplicabilidad del modelo, ayudando a interpretar con mayor rigor los resultados obtenidos.
Este avance representa un paso significativo hacia una investigación más eficiente, ética y sostenible, al permitir reducir tanto el número de compuestos a sintetizar como el uso de modelos animales en fases tempranas del desarrollo farmacéutico.