A partir del análisis de las moléculas presentes en el intestino humano, llevado a cabo por la Unidad de Bioestadística y Bioinformática de IMDEA Alimentación, se abren nuevas vías para el tratamiento de la enfermedad inflamatoria intestinal, el cáncer de colon o infecciones gastrointestinales
Un reciente estudio de IMDEA Alimentación acelera la aparición de nuevas terapias para el tratamiento de distintas enfermedades del intestino y la prevención de otras relacionadas con la salud intestinal. Los resultados de este trabajo han dado lugar al desarrollo de un modelo quimioinformático que facilita el diseño de moléculas capaces de controlar el funcionamiento de los metabolitos -sustancias producidas por el organismo y la microbiota presentes en múltiples procesos biológicos críticos-, los cuales aparecen alterados ante enfermedades como la colitis ulcerosa, las infecciones gastrointestinales, la enfermedad de Crohn, la diverticulitis y el cáncer de colon.
Estas moléculas así diseñadas, análogas a los metabolitos cuyos niveles son modificados cuando aparece la enfermedad, abren la puerta a una nueva modalidad de fármacos y de los denominados nutracéuticos, moléculas que actuarían preventivamente en la salud al controlar la composición de la flora intestinal. El trabajo acaba de ser publicado en la revista científica Journal of Cheminformatics.
A pesar del interés en esta área, hasta ahora los científicos carecían de pistas o reglas específicas para el diseño de estos tipos de fármacos y nutracéuticos. La investigación liderada por el Dr. Gonzalo Colmenarejo, junto a Alberto Gil-Pichardo y Andrés Sánchez Ruiz, de la Unidad de Bioestadística y Bioinformática, facilita el diseño de nuevas moléculas miméticas de metabolitos del microbioma intestinal que podrían actuar como tratamientos farmacológicos, al corregir las funciones alteradas en estas enfermedades, o como nutracéuticos de forma preventiva, permitiendo el control efectivo de las poblaciones bacterianas que influyen en la aparición de la obesidad, la diabetes o enfermedades cardiometabólicas.
Mediante herramientas quimioinformáticas y de ciencia de datos, los investigadores han analizado cerca de 6.000 metabolitos intestinales y los han comparado con otra base de datos de 1.400 fármacos orales de acción sistémica, es decir, que se distribuyen por el torrente sanguíneo y llegan a todo el cuerpo.
Tal como expone el Dr. Gonzalo Colmenarejo, con la investigación se han encontrado patrones estructurales y fisicoquímicos muy diferentes al comparar tres grupos de moléculas: los fármacos habituales de acción sistémica, los metabolitos que permanecen en el intestino y los que pueden atravesar el intestino para llegar al torrente sanguíneo. “Una de las mayores posibilidades de estos nuevos fármacos y nutracéuticos es que sus efectos secundarios podrían estar reducidos si se diseñaran de forma que permanecieran en el intestino”, apunta el responsable de la Unidad de Bioestadística y Bioinformática en IMDEA Alimentación.
Machine Learning al servicio de la comunidad científica
En este sentido, los científicos han desarrollado y validado un modelo de aprendizaje automático (Machine Learning), del tipo SuperLearner, que permite predecir la permanencia intestinal de un compuesto químico en base a su estructura. Este modelo, que ahora los autores han hecho público, servirá para el diseño de fármacos y nutracéuticos dirigidos al intestino.
“Los fármacos sistémicos tienen grandes problemas de desarrollo, porque al circular por todo el cuerpo es muy difícil evitar que no alteren uno o más de los múltiples procesos biológicos que se dan, resultando en efectos secundarios indeseados”, indica Colmenarejo. Con el diseño del compuesto para permanecer en el intestino, la aparición de problemas de distribución y toxicidad se reducirían puesto que la vía de administración sería oral, pero con un acceso mucho más específico al receptor biológico localizado en el intestino.
Los investigadores han identificado un subgrupo de metabolitos intestinales polares y de pequeño tamaño, cuya capacidad de atravesar la pared intestinal está regulada por unas características específicas en cuanto a sus estructuras y propiedades físicoquímicas. Todas estas características se han incorporado al modelo de Machine Learning, lo que permite su aplicación de forma sistemática a grandes colecciones de moléculas.
Referencia bibliográfica:
Gil-Pichardo, A., Sánchez-Ruiz, A. & Colmenarejo, G. Analysis of metabolites in human gut: illuminating the design of gut-targeted drugs. J Cheminform 15, 96 (2023). https://doi.org/10.1186/s13321-023-00768-y
