La inteligencia artificial (IA) ha identificado dos compuestos bioactivos de origen vegetal con potencial, como agonistas del receptor del péptido similar al glucagón-1 (GLP-1R), para la pérdida de peso, como posibles alternativas a los fármacos para bajar de peso, pero con potencialmente menos efectos secundarios y administración oral.
Investigadores pertenecientes al Grupo de Bioinformática Estructural y Computación de Alto Rendimiento y Unidad de Investigación en Trastornos de la Conducta Alimentaria, Universidad Católica de Murcia, España, liderados por la Dra. Elena Murcia, llevaron adelante un estudio que será presentado en el próximo Congreso Europeo sobre Obesidad (ECO 2024) en mayo.
Utilizando IA, el trabajo tuvo como objetivo identificar nuevos compuestos bioactivos de origen natural que puedan activar el GLP-1R, que es el sitio de acción de los medicamentos farmacéuticos existentes para la pérdida de peso, incluida la semaglutida y el agonista dual tirzepatida.
Aunque los agonistas de GLP-1 han demostrado ser eficaces en los ensayos, hay algunos efectos secundarios asociados con su uso: problemas gastrointestinales como náuseas y vómitos, así como cambios en la salud mental como ansiedad e irritabilidad. Los datos recientes también han confirmado que cuando los pacientes abandonan el tratamiento, recuperan el peso perdido.
Además, existe el problema de tener que inyectar los medicamentos en lugar de tomarlos por vía oral debido a la naturaleza peptídica de los agonistas GLP-1 existentes que corren el riesgo de ser degradados por las enzimas estomacales antes de que ejerzan el efecto requerido.
Los medicamentos, que no son péptidos, pueden tener menos efectos secundarios y ser más fáciles de administrar, lo que significa que podrían administrarse en forma de píldoras en lugar de inyecciones.
Otras investigaciones recientes han puesto de relieve dos prometedores compuestos no peptídicos, TTOAD2 y orforglipron. Estos son sintéticos, estábamos interesados en encontrar alternativas naturales, señalaron los investigadores. Basándose en el conocimiento reciente en torno a los compuestos TTOAD2 y orforglipron, el presente trabajo se centra en el uso de la IA para identificar nuevos compuestos bioactivos no peptídicos de origen natural para activar el GLP-1R.
Utilizando técnicas avanzadas de IA (un enfoque in silico que implica la experimentación por ordenador), los investigadores seleccionaron moléculas naturales como compuestos bioactivos con actividad agonista de GLP-1R en un proceso escalonado que inicialmente utilizó el cribado virtual basado en ligandos y estructuras de más de 10.000 compuestos, seguido de un análisis visual adicional de los 100 compuestos principales con mayor similitud para determinar su grado de interacción con los aminoácidos de los receptores GLP-1. Al llegar a una lista de 65, los investigadores sintetizaron estos datos para identificar los compuestos con el mayor potencial como agonistas de GLP-1R, y se descubrió que dos de ellos, denominados Compuesto A y Compuesto B, ambos derivados de plantas, se unen fuertemente a los aminoácidos clave de manera similar a TTOAD2 y orforglipron. Estos compuestos se están investigando más a fondo para determinar su eficacia en el tratamiento de la obesidad a través de análisis in vitro.
Según los expertos, este estudio, que se basa en el acoplamiento molecular, sugiere que se pueden aplicar métodos computacionales similares a áreas terapéuticas populares como el descubrimiento de agonistas de GLP-1R, el estudio necesitará validación experimental dado que las predicciones computacionales pueden conducir a falsos positivos y que los productos naturales a menudo son promiscuos.