Almira Bartolomé
Directora de Business Development, 3PBIOVIAN
Jurgen Van Broeck
CEO, mAbxience
Cristina López
Directora de la oficina de Barcelona y Chief Research & Development Officer, Qualipharma
Computación e inteligencia artificial en toxicología industrial para alcanzar los objetivos del Pacto Verde Europeo
A pesar de sus interesantes características en diferentes ámbitos, las sustancias químicas industriales de todo tipo (cosméticos, medicamentos, pesticidas, etc.) tienen un alto potencial tóxico, tanto en el medio ambiente como en la salud humana, y hasta hace poco la única forma de evaluarlo era el uso de modelos animales estándar de laboratorio. Estos ensayos son cuestionables desde un punto de vista ético y, además, tienen el inconveniente del tiempo y coste que suponen.
Como alternativa eficaz para reemplazar o, al menos, reducir estos experimentos con animales y por tanto sus costes asociados en tiempo, dinero y recursos, ha surgido con gran fuerza en los últimos años el uso de métodos computacionales, basados en técnicas de inteligencia artificial y aprendizaje automatizado (machine learning), que permiten la evaluación predictiva de valores de toxicidad humana o medioambiental para todo tipo de compuestos químicos, de origen natural o sintético. Estos métodos computacionales tienen grandes ventajas frente a los tradicionales. Por un lado, la predicción puede hacerse sobre compuestos “virtuales”, antes de su síntesis química, lo que permite priorizar aquellos con un bajo perfil toxicológico (y también con un mejor perfil de eficacia o probabilidad de desarrollo downstream). Por otro lado, se pueden evaluar de forma muy rápida miles o incluso millones de estructuras químicas, algo imposible de realizar experimentalmente. Por último, suponen un ahorro enorme de tiempo, recursos y dinero, pasando de meses o años a horas o días, con ahorros económicos de varios órdenes de magnitud.
Entre las aplicaciones computacionales más eficaces para predecir toxicidad destacan los llamados modelos QSAR (del inglés “Quantitative Structure-Activity Relationships”), que básicamente consisten en el desarrollo de algoritmos capaces de establecer una relación estadística entre la estructura química de una serie de moléculas (caracterizadas previamente por una serie de descriptores moleculares numéricos) y datos toxicológicos cuantificables. De hecho, estos modelos QSAR se utilizan en otros campos y, por ejemplo, forman parte del protocolo habitual tanto para el descubrimiento de fármacos (o sea, de compuestos bioactivos con efectos terapéuticos) como para su posterior optimización (y muy especialmente para predicción de parámetros farmacocinéticos que pueden influir en la biodisponibilidad de los compuestos, e intentar mejorar dichas características).
Un gran número de modelos QSAR están actualmente disponibles gracias a plataformas de predicción desarrolladas por especialistas para estimar diferentes parámetros toxicológicos de los productos químicos. Gracias a estas herramientas hoy es posible predecir toxicidad sistémica en humanos (p. ej. carcinogénesis, mutagénesis, genotoxicidad, toxicidad reproductiva, etc.), toxicidad en humanos a nivel local (irritación cutánea y ocular, fototoxicidad, etc.) o ecotoxicidad (efectos tóxicos en plantas, organismos acuáticos y terrestres (invertebrados y vertebrados) o pájaros).
Un aspecto de la computación en este campo es su contribución a restaurar la salud de los seres humanos, nuestro entorno natural y la vida silvestre, aumentando el número de compuestos químicos evaluados previo a su registro y comercialización, y facilitando la sustitución de los más peligrosos por alternativas inocuas o menos tóxicas. Por poner un ejemplo, gracias a estos métodos se puede reducir significativamente el uso y el riesgo de pesticidas químicos (que potencialmente pueden actuar como disruptores endocrinos), así como el uso de fertilizantes y antibióticos, que es parte de la estrategia europea conocida como “Pacto Verde (Green Deal)”.
Otro aspecto relevante relacionado con el Pacto Verde es la reducción de los cambios climáticos inducidos por compuestos químicos. Se sabe que el cambio climático está alterando los impactos ambientales de la contaminación química, y existe una clara reciprocidad en las interacciones entre el cambio climático y los productos químicos. Dado el ritmo altísimo de producción de nuevos productos químicos industriales, parece evidente que el mayor desarrollo e implementación de metodologías alternativas, como el modelado utilizando inteligencia artificial, brindan una posibilidad para identificar y cuantificar las interacciones complejas y no lineales entre los factores estresantes químicos y climáticos.
Finalmente, otro aspecto importante es la mejora de la competitividad de las empresas de la UE. Como se establece en la hoja de ruta del Pacto Verde, la Comisión promoverá tecnologías digitales como la inteligencia artificial para hacer frente al cambio climático y proteger el medio ambiente. Las tecnologías digitales se consideran un habilitador fundamental para lograr los objetivos de sostenibilidad del Pacto Verde en muchos sectores diferentes. Los nuevos métodos de inteligencia artificial y computacional facilitan el uso de productos más sostenibles y la creación de nuevas oportunidades económicas abiertas a todos los Ecosistemas Industriales Europeos.
En definitiva, los avances en inteligencia artificial y aprendizaje automatizado abren una vía eficaz para cumplir con los objetivos europeos en materia de sostenibilidad y protección del medio ambiente, y estamos en el momento adecuado para desarrollar estas estrategias y garantizar un mejor futuro para las generaciones venideras.
Y ADEMÁS
Si continúas navegando, aceptas su uso.
Más información
Política de privacidad | Cookies | Aviso legal | Información adicional| miembros de CEDRO