El Instituto de Investigaciones Químicas (IIQ) colabora en el desarrollo de una metodología revolucionaria que combina la espectroscopía de resonancia magnética nuclear con inteligencia artificial para acelerar el descubrimiento de fármacos.
Un equipo internacional con participación del Instituto de Investigaciones Químicas (IIQ) —centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad de Sevilla— ha desarrollado una técnica que podría transformar las primeras etapas del desarrollo de fármacos. Este avance, publicado en la revista Journal of the American Chemical Society, combina espectroscopía de resonancia magnética nuclear (RMN) con herramientas de inteligencia artificial (IA) para identificar y clasificar compuestos con potencial terapéutico de forma mucho más rápida y precisa.
La metodología, denominada espectroscopía de resonancia magnética nuclear SHARPER, optimizada mediante aprendizaje automático, permite analizar cómo se unen pequeñas moléculas o fragmentos a proteínas que podrían convertirse en dianas terapéuticas.
Con esta técnica, los investigadores pueden evaluar hasta 140 fragmentos al día, frente a los 4-15 habituales con métodos convencionales, multiplicando por diez la velocidad de análisis. Además, automatiza tanto la adquisición de datos como su análisis, convirtiéndose en una herramienta de alto rendimiento (high throughput) que acelera la búsqueda de nuevos medicamentos.
“El desarrollo de esta metodología pionera facilita enormemente la labor de los científicos que trabajan en el diseño y optimización de nuevos fármacos”, destaca Ridvan Nepravishta, del Cancer Research Horizons (Reino Unido) y coautor principal del estudio.
El nuevo enfoque permite concentrar la señal de las moléculas en lecturas más claras y sensibles, mejorando la detección de interacciones débiles entre fragmentos y proteínas —un paso esencial en el diseño de fármacos basados en fragmentos (Fragment-Based Drug Discovery, FBDD)—.
Gracias a los algoritmos de aprendizaje automático, el equipo ha reducido drásticamente el número de mediciones necesarias: con solo dos cantidades distintas del fragmento, pueden clasificar con precisión colecciones completas de compuestos, simplificando un proceso que antes requería hasta siete mediciones por muestra.
Según Jesús Angulo, investigador del IIQ y coautor del artículo, “nuestra aproximación ML-Boosted LB SHARPER NMR es fácilmente automatizable, tanto a nivel experimental como analítico, y permite clasificar con precisión los fragmentos que mejor interaccionan con una proteína de interés”.
El también coautor Juan C. Muñoz-García, investigador del programa EMERGIA de la Junta de Andalucía, subraya que este trabajo “demuestra cómo la combinación de RMN avanzada y aprendizaje automático puede acelerar la identificación de compuestos prometedores hasta límites antes inconcebibles”.
El desarrollo supone un paso importante hacia una investigación farmacéutica más ágil, precisa y accesible, reduciendo el consumo de proteínas y simplificando los experimentos. Su potencial impacto alcanza tanto a laboratorios académicos como a empresas biotecnológicas y farmacéuticas, consolidando un nuevo paradigma en la búsqueda de tratamientos más eficaces.