Investigadores de MIT, liderados por el profesor Connor Coley, están desarrollando modelos de inteligencia artificial para entender principios químicos y descubrir nuevos compuestos farmacéuticos. Con un enfoque en la combinación de química y aprendizaje automático, Coley utiliza modelos computacionales para analizar vastas cantidades de compuestos químicos y predecir rutas de reacción. Su laboratorio ha creado herramientas como ShEPhERD y FlowER, que ayudan a identificar interacciones entre moléculas y predecir productos de reacciones químicas. Este trabajo innovador busca optimizar el descubrimiento de fármacos mediante la integración de intuiciones químicas en modelos generativos.
En el vasto universo de los compuestos químicos, se estima que entre 1020 y 1060 podrían tener potencial como fármacos de pequeñas moléculas. Sin embargo, evaluar cada uno de estos compuestos de manera experimental resulta una tarea monumental para los químicos. Por esta razón, en los últimos años, la inteligencia artificial ha comenzado a jugar un papel crucial en la identificación de candidatos prometedores para la creación de medicamentos.
Uno de los pioneros en este ámbito es Connor Coley, profesor asociado en el Instituto Tecnológico de Massachusetts (MIT) y miembro del departamento de Ingeniería Química y Ciencias de la Computación. Su investigación se sitúa en la intersección entre la ingeniería química y la informática, donde desarrolla modelos computacionales para analizar un gran número de compuestos químicos, diseñar nuevos fármacos y predecir las rutas de reacción necesarias para su síntesis.
Coley enfatiza que su metodología es versátil: “Es un enfoque muy general que podría aplicarse a cualquier aplicación de moléculas orgánicas, pero nuestra principal preocupación es el descubrimiento de fármacos”. Su interés por la ciencia proviene de sus raíces familiares; su padre es radiólogo, su madre tiene un grado en biofísica molecular y bioquímica, y su abuela fue profesora de matemáticas.
Nacido en Dublín, Ohio, Coley se destacó desde joven al participar en competiciones científicas y graduarse a los 16 años. Posteriormente, eligió estudiar ingeniería química en Caltech, donde combinó sus pasiones por la ciencia y las matemáticas. Durante su etapa universitaria, también se interesó por la informática al trabajar en un laboratorio de biología estructural utilizando Fortran para resolver estructuras cristalinas de proteínas.
Después de completar su licenciatura, Coley decidió continuar con estudios avanzados en ingeniería química y llegó al MIT en 2014 para realizar su doctorado bajo la tutela de los profesores Klavs Jensen y William Green. Su trabajo se centró en optimizar reacciones químicas automatizadas mediante el uso combinado del aprendizaje automático y la quimioinformática.
Parte fundamental de su investigación fue impulsada por un programa financiado por DARPA llamado Make-It, que buscaba mejorar la síntesis de medicamentos a partir de bloques constructivos simples mediante técnicas avanzadas. “Ese fue mi verdadero punto de entrada para pensar sobre quimioinformática y cómo podemos usar modelos para entender cómo se pueden crear diferentes productos químicos”, explica Coley.
Aún siendo estudiante graduado, comenzó a postularse para puestos académicos y aceptó una oferta del MIT a los 25 años. Aunque recibió opiniones diversas sobre trabajar en la misma institución donde había estudiado, finalmente consideró que las oportunidades ofrecidas eran demasiado atractivas como para rechazarlas. “MIT es un lugar especial debido a sus recursos y a la fluidez entre departamentos”, comenta.
Coley pospuso su incorporación como profesor durante un año para realizar un postdoctorado en el Broad Institute, donde profundizó sus conocimientos en biología química y descubrimiento de fármacos. En este contexto, trabajó identificando pequeñas moléculas con interacciones específicas que podrían estar relacionadas con proteínas mutadas asociadas a enfermedades.
Desde su regreso al MIT en 2020, ha formado un grupo de investigación dedicado a utilizar inteligencia artificial no solo para sintetizar compuestos existentes con potencial terapéutico sino también para diseñar nuevas moléculas con propiedades deseables. A lo largo de los últimos años, su laboratorio ha desarrollado diversas aproximaciones computacionales hacia estos objetivos.
Coley menciona: “Intentamos pensar sobre cómo emparejar mejor un desafío químico con una posible solución computacional”, lo cual ha llevado al desarrollo del modelo ShEPhERD. Este modelo evalúa nuevas moléculas basándose en sus interacciones con proteínas objetivo según sus formas tridimensionales, siendo ya utilizado por empresas farmacéuticas para descubrir nuevos medicamentos.
En otro proyecto destacado, su laboratorio creó FlowER, un modelo generativo que predice productos resultantes al combinar diferentes insumos químicos. Al diseñar este modelo, incorporaron principios físicos fundamentales como la ley de conservación de masa y evaluaron la viabilidad de pasos intermedios necesarios durante las reacciones químicas. Estas restricciones han demostrado mejorar notablemente la precisión del modelo.
Coley concluye: “Hemos dedicado mucho tiempo a asegurar que nuestros modelos estén fundamentados en una comprensión profunda de los mecanismos reaccionarios”, reflejando así el enfoque intuitivo que poseen los expertos químicos. Los estudiantes bajo su dirección también exploran diversas áreas relacionadas con la optimización de reacciones químicas, incluyendo elucidación estructural asistida por computadora y diseño experimental óptimo.
“A través de estas múltiples líneas investigativas esperamos avanzar las fronteras del AI aplicado a la química”, afirma Coley con determinación.
| Cifra | Descripción |
|---|---|
| 1020 - 1060 | Número estimado de compuestos químicos con potencial como fármacos. |
| 25 | Edad a la que Coley aceptó un puesto en MIT. |
| 16 | Edad a la que Coley se graduó de la escuela secundaria. |
| N/A | El programa Make-It fue financiado por DARPA. |