El software, desarrollado por IBM y la Facultad de Medicina de Baylor College (EEUU), se aplicó a más de 60.000 artículos de investigación centrados en la proteína p53, involucrada en el crecimiento celular e implicada en la mayoría de los cánceres. A través de la disección de frases de los documentos, el software fue capaz de comprender lo que se sabe sobre las enzimas conocidas como quinasas, que actúan sobre la p53 y regulan su comportamiento; y que representan un objetivo común de los tratamientos contra el cáncer.
Después, el software generó una lista de otras proteínas mencionadas en la literatura científica que probablemente fueran quinasas sin descubrir, basado en lo que ya sabía sobre las que se han identificado. La mayoría de las predicciones hechas por el software que se han puesto a prueba hasta la fecha han resultado ser correctas.
"Hemos probado con 10 de ellas", afirmó el investigador de Baylor College Olivier Lichtarge el martes pasado. "Siete parecen ser quinasas auténticas". Lichtarge presentó los resultados preliminares de su colaboración con IBM en una reunión sobre Computación Cognitiva celebrada en el laboratorio de investigación de IBM en Almaden (EEUU).
Lichtarge también describió una primera prueba del software en la que se dio al programa acceso a literatura académica publicada antes de 2003 para ver si era capaz de predecir las quinasas de la p53 que se han descubierto desde entonces. El software descubrió siete de las nueve quinasas descubiertas con posterioridad a 2003.
"La biología de la p53 es clave para toda clase de enfermedades", explica Lichtarge, por lo que parece la forma perfecta de demostrar que los descubrimientos generados por ordenador pueden acelerar las investigaciones que conducen a nuevos tratamientos. El investigador de Baylor cree que los resultados hasta la fecha lo demuestran, aunque los experimentos en busca de quinasas aún se tienen que revisar y publicarse en una revista científica, y hay más pruebas de laboratorio planeadas para confirmar los hallazgos hechos hasta la fecha. "Lo habitual es que se descubra una quinasa al año", afirma Lichtarge. "Así la tasa de descubrimiento puede acelerarse muchísimo".
Lichtarge afirma que aunque el software sólo se configuró para buscar quinasas, también parece capaz de identificar fosfatasas, unas enzimas que revierten la acción de las quinasas. Además, identifica otros tipos de proteínas que interactúan con la p53.
La colaboración con Baylor está diseñada para ver cómo se puede ampliar el uso de una serie de herramientas que los investigadores de IBM ya ofrecen a las farmacéuticas. Con la consigna de acelerar los descubrimientos, las herramientas de análisis de texto se usan para minar publicaciones, patentes y bases de datos moleculares. Por ejemplo, una empresa que busque un nuevo fármaco contra la malaria, puede usar las herramientas de IBM para encontrar moléculas con características parecidas a los tratamientos ya existentes. Gracias a que el software es capaz de hacer búsquedas más amplias, puede desenterrar moléculas que se citen en publicaciones no revisadas o en patentes que ningún ser humano sería capaz de encontrar.
"Empezamos a trabajar con Baylor para adaptar esas capacidades y ampliarlas, para mostrar que este proceso se puede usar para descubrir nuevas cosas sobre la biología de la p53", afirma el investigador de IMB Investigación en Almaden, Ying Chen.
Desarrollar un nuevo medicamento suele costar entre 500 y 1.000 millones de dólares (entre 370 y 740 millones de euros), y el 90% de los candidatos que empiezan el viaje no llegan al mercado, afirma Chen. El coste de los medicamentos fallidos se cita como uno de los motivos por los cuales algunos fármacos cuestan tanto dinero (ver "Historia de dos fármacos (o del negocio farmacéutico)").
El director del Centro de Farmacología Computacional de la Universidad de Colorado en Denver (EEUU), Lawrence Hunter, afirma que es necesario realizar una cuidadosa confirmación empírica sobre la afirmación de que el software ha hecho nuevos descubrimientos. Pero sostiene que el progreso en este campo es importante, y que este tipo de herramientas son muy necesarias.
El volumen de literatura científica existente, tanto antigua como nueva, es tan grande ahora mismo que ni siquiera los especialistas esperan poder leer todo lo que podría ayudarles, afirma Hunter. El año pasado se añadieron más de un millón de nuevos artículos a la base de datos de artículos de investigación en biomedicina de la Biblioteca Nacional de Medicina de Estados Unidos, Medline, que ahora contiene 23 millones de ítems. El software puede analizar ingentes cantidades de información y encontrar pistas clave en lugares insospechados. "A veces trozos claves de información son hechos aislados que sólo suponen un punto menor en un artículo, y que serían muy importantes si pudieras encontrarlos", explica.
Lichtarge cree que un software como el suyo podría cambiar cómo los científicos llevan a cabo y evalúan los nuevos descubrimientos de investigación. En la actualidad, los investigadores dependen en parte en la reputación de las personas, instituciones y revistas implicadas, y en el número de veces en que un artículo es citado por otros.
El software, que extrae significado de toda la información publicada en un campo, podría servir como una forma mejor de hacer esto, afirma Lichtarge. "Podrías publicar directamente dentro del software y ver cómo de innovador es lo que publicas", afirma.
Hunter cree que los científicos incluso podrían usar este tipo de herramientas en una fase más temprana, haciendo que el software presente pruebas a favor y en contra de nuevas hipótesis. "Creo que realmente ayudaría a la ciencia a avanzar más rápidamente. Muchas veces perdemos mucho tiempo en el laboratorio porque no conocíamos todos los detallitos ya publicados en la literatura", afirma.