Desarrollar nuevos medicamentos es arriesgado y costoso. Crear un nuevo fármaco y llevarlo a ensayos clínicos puede costar miles de millones de libras, sin garantías de éxito. Y a veces un medicamento puede no cumplir con las expectativas durante un ensayo clínico en una parte del mundo, aunque haya sido eficaz en otra.
Una razón son las bacterias en el cuerpo humano. Cada persona tiene una mezcla ligeramente diferente de bacterias en su cuerpo, y ahora se sabe que estas bacterias desempeñan un papel importante en lo bien que funciona un medicamento, o incluso en si funciona o no.
Comprender esa relación es aún más importante en el tratamiento del cáncer, donde las bacterias del tumor corren el riesgo de bloquear tratamientos que podrían salvar vidas.
La relación entre medicamentos y tratamientos es extremadamente compleja y difícil de predecir. Pero con un nuevo fármaco, o “activo”, cuyo desarrollo cuesta hasta 2.600 millones de dólares, poder modelar esa relación es enormemente importante tanto para los investigadores farmacéuticos como para los médicos.
BioCortex es una empresa de investigación especializada, creada para utilizar técnicas avanzadas de ciencia de datos para analizar la relación entre bacterias y candidatos a fármacos, con un enfoque inicial en oncología y, en particular, conjugados anticuerpo-fármaco.
Al comprender mejor cómo las bacterias interfieren con los medicamentos, BioCorteX y los investigadores de medicamentos con los que trabaja tienen como objetivo aumentar la tasa de éxito de los medicamentos que se someten a ensayos clínicos. Esto debería conducir a ciclos de desarrollo de fármacos más cortos y tratamientos más eficaces para los pacientes.
“Una de las razones por las que fundamos la empresa fue la frustración de que, cuando cuidas a las personas como médico, te das cuenta de que las personas responden de manera muy, muy diferente a los tratamientos y, a menudo, es difícil entender por qué”, dice el cofundador de BioCorteX, Nik. Sharma. “Vimos una oportunidad para un cambio gradual en nuestra forma de pensar sobre los medicamentos y los productos farmacéuticos. Las bacterias, que son realmente parte integral de la salud humana, en realidad actúan de manera insuficiente con los productos farmacéuticos. Creemos que esa es una de las razones principales por las que los medicamentos pueden funcionar en un individuo, pero a mayor escala pueden fallar”.
Ensayos clínicos
En los ensayos clínicos, un fármaco puede tener éxito en una zona geográfica o grupo de población, pero fracasar en otro debido a diferentes bacterias en el cuerpo humano.
Sin embargo, comprender mejor esa relación, con la gran cantidad de variables involucradas (tanto las bacterias del cuerpo humano como la cantidad de medicamentos que se prueban), es un gran desafío matemático. “La cantidad de bacterias que tenemos es fenomenal”, dice Sharma. “La cantidad de productos farmacéuticos [treatments] es obviamente grande. La complejidad es enorme.
Sharma y Mo Alomari, ingeniero de Rolls-Royce En ese momento, trabajaron juntos para encontrar una solución. Alomari estaba trabajando en formas de modelar sistemas con un número extremadamente grande de variables.
Esto ofreció una manera de observar las interacciones entre bacterias y medicamentos, y Sharma y Alomari pasó a cofundar BioCorteX. La idea era probar estas interacciones “in silico” o en hardware de computadora.
Para ello, la firma construyó uno de los gráficos de conocimiento más grandes en biología. Modelar la interacción entre bacterias y un fármaco candidato implica entre 15 y 16 mil millones de conexiones.
Esto estaba más allá del alcance de cualquier base de datos comercial o herramienta de análisis. Entonces, BioCorteX construye el suyo propio utilizando BigQuery de Google. “No existe ningún software que pueda manejar el gráfico de conocimiento de ese tamaño que hemos podido encontrar, y hemos analizado todas las ofertas comerciales que existen”, dice Sharma.
“Lo que hemos hecho es construir nuestro gráfico de conocimiento usando BigQuery, y eso es lo que realmente nos permitió escalar y, lo que es más importante, trabajar de manera económica, publicar nuevas versiones de nuestro gráfico de conocimiento y fusionar esos datos dos o tres veces al día”.
gráfico de conocimiento
El gráfico de conocimiento tiene unos tres mil millones de notas y 16 mil millones de aristas, todos almacenados en BigQuery.
“En las bases de datos de gráficos, hay varios”, dice Alomari. “Ninguno de ellos es capaz de manejar miles de millones de nodos. Entonces, básicamente, se nos ocurrió una solución personalizada construida sobre BigQuery, donde agregamos la capa superior que básicamente trata a BigQuery como una base de datos gráfica”.
Si un científico quiere ejecutar nuevos datos a través del sistema, BioCorteX puede hacerlo varias veces al día a un costo mínimo. “Se necesitan aproximadamente 20 minutos”, dice Sharma.
BioCorteX toma datos de compañías farmacéuticas y los analiza a través del gráfico de conocimiento para identificar posibles interferencias bacterianas en un medicamento y cómo podría afectar su efectividad en un mayor número de pacientes.
“La bacteria hace que algunos medicamentos sean incompatibles para algunos individuos, mientras que para otros son compatibles”, dice Sharma. “Podemos determinar esa interacción. Podemos determinar qué es compatible a escala. Entonces, el producto es realmente la capacidad de poder analizar esos activos rápidamente”.
El proceso es más rápido y, por supuesto, más económico que un ensayo clínico. El análisis de BioCorteX tampoco se limita a nuevos medicamentos.
“Lo que también podemos hacer es analizar activos que no han tenido éxito”, afirma Sharma. “Habrías visto que varios estudios fracasan. Esos medicamentos suelen tener lo que se llama “licencia externa”, por lo que otra empresa los aceptará y verá si puede desarrollarlos. Podemos observar esos activos y ver si fallaron debido a la interacción oculta entre la bacteria, el tumor y el fármaco”.
Este tipo de modelado se está volviendo más importante a medida que el desarrollo de medicamentos se vuelve más internacional. Al utilizar grandes cantidades de datos, BioCorteX puede ejecutar escenarios para modelar, por ejemplo, un estudio de fase uno en Australia y luego las diferencias entre un estudio de fase dos en Estados Unidos y Europa.
La tecnología de BioCorteX tampoco se limita al tratamiento del cáncer. Aunque actualmente la atención se centra en la oncología y las bacterias, el enfoque ya se está utilizando para estudiar virus y hongos. “Los motores son aplicables en diferentes verticales; Hemos trabajado algo en la salud del consumidor”, dice Sharma.
“Lo que podemos hacer es proporcionar más información”, afirma. “Esta no es una elección. Una compañía farmacéutica o una compañía farmacéutica no tiene la opción de decidir si esta interacción está ocurriendo: está sucediendo.
“Entonces, pueden elegir entenderlo o hacer lo que están haciendo ahora con una tasa de fracaso del 96%. En el futuro, esperamos poder ofrecer el fármaco adecuado, por primera vez, para todos”.