Crédito: imagen generada por IA
En un estudio basado en IA (inteligencia artificial) se han identificado dos compuestos vegetales con potencial como pastillas para perder peso agonistas del GLP-1, el Congreso Europeo sobre Obesidad (ECO 2024) (Venecia del 12 al 15 de mayo) escuchará.
Los agonistas del receptor del péptido 1 similar al glucagón (GLP-1), como la semaglutida y la tirzepatida, son muy eficaces para ayudar a las personas a perder peso. Al imitar la acción de una hormona llamada GLP-1 y unirse y activar el receptor de GLP-1 en las células, reducen el apetito y la sensación de hambre, retardan la liberación de alimentos del estómago y aumentan la sensación de saciedad después de comer.
Sin embargo, se necesitan alternativas, dice Elena Murcia, del Grupo de Investigación en Bioinformática Estructural y Computación de Alto Rendimiento (BIO-HPC) y Unidad de Investigación de Trastornos de la Alimentación de la Universidad Católica de Murcia (UCAM), Murcia, España.
Ella explica: «Aunque se ha demostrado la eficacia de los agonistas actuales del GLP-1, existen algunos efectos secundarios asociados con su uso: problemas gastrointestinales como náuseas, vómitos y cambios en la salud mental como ansiedad e irritabilidad. Datos recientes también han confirmado que cuando los pacientes suspenden el tratamiento recuperan el peso perdido.
«Además, la mayoría de los agonistas del GLP-1 son péptidos (cadenas cortas de aminoácidos que las enzimas del estómago pueden degradar) y, por lo tanto, actualmente es más probable que se inyecten que se tomen por vía oral».
«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. Otra investigación reciente ha destacado dos compuestos no peptídicos prometedores, TTOAD2 y orforglipron».
«Estos son sintéticos y estábamos interesados en encontrar alternativas naturales».
Murcia y sus colegas utilizaron técnicas de inteligencia artificial (IA) de alto rendimiento para identificar compuestos naturales no peptídicos que activan el receptor GLP-1.
«Nos centramos en extractos de plantas y otros compuestos naturales porque pueden tener menos efectos secundarios», dice Murcia.
Se utilizó un cribado virtual para examinar más de 10.000 compuestos e identificar aquellos que se unían al receptor GLP-1.
A continuación, se utilizaron otros métodos basados en IA para observar en qué medida estos enlaces se parecían a los que se producen entre la hormona GLP-1 y su receptor. Luego se eligieron los 100 compuestos que se unían de manera más similar para un análisis visual adicional para determinar si interactuaban con residuos clave (aminoácidos) en el receptor.
Finalmente, se compiló un diagrama de Venn (un gráfico matemático que utiliza círculos superpuestos) para identificar los compuestos con mayor potencial como agonistas de GLP1-R.
Esto dio como resultado una lista corta de 65 compuestos, dos de los cuales, el «Compuesto A» y el «Compuesto B», se unieron fuertemente a los residuos clave de manera similar a TTOAD2 y orforglipron.
El Compuesto A y el Compuesto B se derivan de plantas muy comunes, cuyos extractos se han asociado en el pasado con efectos beneficiosos sobre el metabolismo humano. Otros detalles sobre las plantas y los compuestos se mantienen confidenciales hasta que se concedan las patentes. Se espera que ambos puedan administrarse en forma de pastillas. Los dos compuestos están siendo sometidos ahora a pruebas de laboratorio.
Murcia dice: «Estamos en las primeras etapas del desarrollo de nuevos agonistas de GLP-1 derivados de fuentes naturales. Si nuestros cálculos basados en IA se confirman in vitro y luego en ensayos clínicos, tendremos otras opciones terapéuticas para controlar la obesidad».
«Los estudios basados en computadora como el nuestro tienen ventajas clave, como reducciones en costos y tiempo, análisis rápido de grandes conjuntos de datos, flexibilidad en el diseño experimental y la capacidad de identificar y mitigar cualquier riesgo ético y de seguridad antes de realizar experimentos en el laboratorio. «.
«Estas simulaciones también nos permiten aprovechar los recursos de la IA para analizar problemas complejos y así proporcionar una valiosa perspectiva inicial en la búsqueda de nuevos fármacos».
Proporcionado por la Asociación Europea para el Estudio de la Obesidad
Citación: El análisis basado en IA identifica dos extractos de plantas con potencial como píldoras para bajar de peso agonistas del GLP-1 (2024, 26 de marzo) recuperado el 27 de marzo de 2024 de https://medicalxpress.com/news/2024-03-ai-based-analysis- potencial-glp.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
