El proyecto europeo Lingand–AI, financiado por la Innovative Health Initiative (IHI) con 60 millones de euros en cinco años, reúne a 18 socios de nueve países, incluido el Vall D’Hebron Instituto de Oncología (VHIO), con el objetivo de generar grandes conjuntos de datos abiertos y de alta calidad sobre interacciones proteína–ligando y utilizarlos para entrenar modelos de inteligencia artificial que puedan predecir qué moléculas son capaces de unirse a miles de proteínas humanas y, por tanto, tendrían en potencial para convertirse en nuevos fármacos.
Liderado por Pfizer y el Structural Genomics Consortium (SGC), el consorcio Ligand-AI estudiará las posibles interacciones entre millones de compuestos químicos y miles de proteínas relevantes tanto para enfermedades con tratamientos disponibles como para necesidades médicas no cubiertas, incluidas enfermedades raras, neurológicas y oncológicas.
El Grupo de Identificación de Fármacos e Inteligencia Artificial liderado por Albert Antolin, que se ha incorporado recientemente al VHIO, colidera junto a la compañía IBM el área de machine Learning, responsable de desarrollar y entrenar nuevos modelos de inteligencia artificial a partir de los datos generados por Ligand-AI, con el objetivo de predecir de forma sistemática la afinidad entre moléculas y proteínas humanas.
“El descubrimiento temprano de fármacos es un proceso largo, costoso y lleno de incertidumbre. Los científicos dedican años a probar miles de moléculas para encontrar una que se una a una proteína relacionada con una enfermedad, pero en la mayoría de los casos, estos esfuerzos fracasan durante los ensayos clínicos” explica Antolin.
“Para reducir los riesgos, muchas empresas optan por desarrollar fármacos poco innovadores para las mismas proteínas. Sin embargo, para el 80% de las proteínas humanas, aún no contamos con ningún compuesto conocido que pueda unirse a ellas y ser utilizado para crear nuevos tratamientos.”
A través del proyecto, “queremos cambiar este enfoque combinando tecnologías avanzadas de laboratorio con métodos computacionales para acelerar el descubrimiento de fármacos enfocándonos en proteínas poco estudiadas o difíciles que darían lugar a fármacos realmente innovadores”
El consorcio generará miles de millones de datos de química biológica mediante tecnologías de cribado, lo que permitirá a investigadores de todo el mundo desarrollar, entrenar y comparar modelos de inteligencia artificial capaces de predecir interacciones moleculares.
“Este proyecto reúne a científicos y empresas de distintas disciplinas dentro de un ecosistema de ciencia abierta. Es alentador ver cómo comunidades científicas tan diversas convergen en una visión común para generar y compartir con el mundo datos químicos valiosos de forma abierta”, afirma Aled Edwards, CEO del Structural Genomics Consortium y coordinador del proyecto.
Por su parte, Antolín, colíder del área de machine learning, destaca la dimensión transformadora de la iniciativa: “Se trata de una auténtica revolución, comparable a la que supuso el Proyecto Genoma Humano, pero aplicada a la química biológica. Ligand-AI está generando un volumen de datos sobre interacciones proteína–ligando muy superior al disponible hasta ahora, de forma homogénea y abierta, lo que nos permitirá desarrollar modelos de inteligencia artificial mucho más potentes que puedan predecir compuestos químicos para cualquier proteína con elevada precisión”.
Ciencia abierta
Todos los resultados del proyecto se compartirán a través de Mainframe, una red internacional de ciencia abierta que conecta a expertos en machine learning y química computacional para impulsar el descubrimiento precompetitivo de fármacos. “En el marco de Ligand-AI, Mainframe ya ha empezado a organizar retos abiertos de evaluación de modelos de inteligencia artificial, invitando a la comunidad científica internacional a cocrear y perfeccionar modelos predictivos que sean localizables, accesibles, interoperables y reutilizables” afirma Antolín.
Al integrar conocimientos en ciencia de proteínas, biología estructural, química y aprendizaje automático, el proyecto construirá una red dinámica en la que los descubrimientos experimentales y computacionales evolucionen conjuntamente, asegurando que el progreso sea acumulativo, transparente y accesible.
El proyecto se enmarca en la iniciativa Target 2035, cuyo objetivo es identificar moduladores químicos para todas las proteínas humanas antes de 2035, impulsando un nuevo paradigma en el descubrimiento de fármacos basado en la ciencia abierta, los datos y la colaboración global.
El consorcio Ligand-AI está formado por los siguientes socios: Structural Genomics Consortium, European Molecular Biology Laboratory, Goethe University Frankfurt, Universidade Estadual de Campinas, University College London, University Health Network, Vall d’Hebron Instituto de Oncología (VHIO), Abcam Limited, AstraZeneca UK Limited, Chemspace LLC, Enamine Germany GmbH, IBM Israel – Science and Technology LTD, Novo Nordisk, Nuvisan ICB GmbH, Pfizer Inc, The Hospital for Sick Children, Thermo Fisher Scientific GmbH y Vernalis (R&D) Limited.
César Hernández, director general de Cartera y Farmacia del Ministerio de Sanidad: 
Kilian Sánchez, secretario de Sanidad del PSOE y portavoz de la Comisión de Sanidad del Senado.: 
Rocío Hernández, consejera de Salud de Andalucía: 
Nicolás González Casares, eurodiputado de Socialistas & Demócratas (S&D - PSOE): 
Juan José Pedreño, consejero de Salud de Murcia: