[cerrar]

Comparta esta nota con un amigo

E-Mail de su amigo
Su nombre
Su E-Mail

Desde Entre Ríos

–Usted es profesor de la Universidad Nacional de Córdoba y de la Universidad Nacional de Entre Ríos.

–Así es.

–Se lo digo porque no me entró en la volanta. Bueno. Aquí, en Entre Ríos, usted dicta la asignatura Diseño y descubrimiento de drogas.

–Así es, una asignatura que se implementó este año.

–¿Quiere hablarme de la materia?

–Los contenidos están orientados hacia la química computacional en relación con el diseño de drogas. El área viene creciendo fuertemente desde hace cinco o diez años. Dentro de la industria farmacéutica ya está consolidada. Con los alumnos revisamos toda la extensión de los estudios tendientes a conseguir una droga de manera activa, que todavía no se sintetizó ni se obtuvo de ninguna fuente. En la primera parte estudiamos los procedimientos químicos y fisiológicos, los argumentos clásicos del diseño de drogas. En la segunda parte resolvemos problemas prácticos con los softwares y los recursos computacionales de que disponemos.

–De modo que habría un desarrollo teórico, previo, de las drogas.

–Exacto, que de ninguna manera reemplaza la experiencia. Es una tendencia consolidada: en todos los laboratorios farmacéuticos florecen los departamentos en los que se realizan desarrollos teóricos que corren en paralelo con los experimentales. ¿Pero por qué, en definitiva –podría preguntarse uno– es tan importante el desarrollo teórico?

–Me imagino que el problema de administrar drogas a animales, ahorrar todo eso...

–También, sí. Pero sobre todo porque desde el punto de vista industrial la eficiencia en el descubrimiento de drogas viene menguando, digamos. A las inversiones cada vez más altas corresponden resultados cada vez menos exitosos. Y la química computacional, con sus modelados teóricos, tiende a reducir los gastos experimentales. Al complementarse con los conocimientos clásicos de la farmacología y de la fisiología, el proceso es más eficiente, y más rápido. El tiempo es crítico en el diseño de drogas.

–El tiempo es el gran crítico. Y para todo ese desarrollo lo único que se necesita son computadoras: no hay experimento, no hay drogas, no hay animales.

–Exacto, ése es otro aspecto muy interesante de estas técnicas relativamente novedosas. La infraestructura computacional que se requiere –esencialmente, sistemas paralelizados de cálculo– tiende a ser cada vez más eficiente, más veloz y más barata. Lo que está en perfecta contraposición con el aspecto experimental del diseño de drogas, que es cada vez más caro y más complejo.

–Esta es una pregunta algo general pero, ¿con qué grado de precisión puede desarrollarse teóricamente una droga? ¿Es posible diseñar un medicamento y tener la certeza de que funcionará?

–Eso es imposible incluso desde el punto de vista de los estudios clásicos de diseño, los basados en estrategias químicas o fisiológicas, porque las excepciones aparecen a medida que se avanza. Si usted me preguntara con qué grado de potencia pueden hacerse predicciones, yo le diría que los métodos están consolidados y que el software que se utiliza está bien adaptado. Pero lo que tiene que entender es que nada de todo esto parte de cero: el software está diseñado, también, en función de estudios experimentales anteriores.

–El software parte de experiencias del pasado.

–Sí, claro.

–En base a experiencias con drogas reales, con animales.

–Desde luego. Para quien estudia, por ejemplo, cómo interactúa una molécula con un determinado receptor, existen bases de datos inmensas en donde están tabulados los resultados experimentales, y los softwares se calibran en función de esos datos experimentales para obtener resultados similares. Eso después se generaliza, o se extrapola, a una nueva situación. Pero la base del algoritmo es finalmente empírica.

–Estos estudios integrarían, en definitiva, la llamada biología in silico. Una biología que prescinde de los organismos.

–Sí. La química computacional se propone predecir el comportamiento de un organismo y su respuesta a diversas situaciones in silico. Eso es muy amplio, ¿no? Va desde hacer homología entre proteínas, estudiar interacciones. Incluso, también, tiene una aplicación muy fuerte al diseño de procedimiento de síntesis química.

–¿Los químicos computacionales trabajan en la industria farmacéutica nacional?

–Al día de hoy, no existen casos de grupos de diseño teórico en la industria farmacéutica del país.

–Es decir que no habría químicos computacionales en la industria farmacéutica argentina porque no desarrolla investigación básica sobre nuevas drogas.

–Exactamente. Creo que todavía no hay una necesidad. El tipo de investigación que se emprende en la industria farmacéutica argentina no requiere de las conclusiones derivadas de este tipo de estudios, ésa sería la situación.

–Más allá del desarrollo de nuevos fármacos, de nuevas drogas in silico, la química computacional, ¿tiene otras posibilidades, otros intereses?

–Sí, sí, desde luego. Estudia los procesos de absorción o de eliminación, por ejemplo. Digamos, la interacción entre una molécula pequeña y una macromolécula no solamente está reducida al efecto farmacológico de una droga. El organismo es una gran secuencia de reacciones químicas, los compuestos endógenos que regulan los procesos fisiológicos también pueden reducirse a la interacción entre una micro y una macromolécula. Finalmente, se podría entender todo el sistema biológico a través de modelos teóricos.

–Es muy interesante, sería como un modelado total de los sistemas y de las drogas mismas y de la interacción entre sistemas y compuestos.

–Exactamente. Hay muchos modelos de química computacional, por ejemplo, que analizan la forma en que algunas drogas son absorbidas a través del intestino. Hay gente desarrollando excipientes, o formas químicas de acarrear los fármacos dentro del organismo con una determinada especificidad; por ejemplo, por algún tejido, como las células tumorales.

–Hablemos de las computadoras.

–Nosotros, en particular, trabajamos en relación con centros de súper computación del extranjero, porque en el país no disponemos de la infraestructura necesaria. Trabajamos en colaboración con centros de súper computación de los Estados Unidos. En Europa también hay muchos.

–¿Por qué no disponemos de la infraestructura? ¿No se necesitan sólo computadoras, en principio?

–En principio se necesitan computadoras instaladas en forma paralela, lo que se conoce como clusters de computadoras, lo que a su vez supone una infraestructura importante en materia de refrigeración, de instalación eléctrica... Estamos hablando de trabajar con dos mil, tres mil o cuatro mil computadoras en paralelo. La tendencia no es que los investigadores adquieran todo el equipamiento, sino establecer convenios con centros de súper computación. España es un país que tiene centros de súper computación bastante importantes, en Barcelona, en Galicia.

–Yo pensaba que el interés de la disciplina estaba en obviar, justamente, las dificultades de la experimentación en países como el nuestro.

–En realidad, hay un grupo de investigación en el país que ha adquirido sus clusters de computadoras de cien, doscientas máquinas, y eso evidentemente ayuda mucho. Pero yo no veo el acceso a los centros como una limitación, sino como una fortaleza. Acceder a esos recursos computacionales es bastante más sencillo de lo que uno a priori puede pensar. Nosotros estamos trabajando fuertemente hace cuatro o cinco años en estos sistemas paralelizados y nunca nos han cerrado las puertas para realizar los cálculos. Si bien se piensa, el recurso computacional deja de ser una limitación para el investigador.

–Me interesa la cuestión operativa. Para hacer un cálculo en el cluster de Barcelona, por ejemplo, se hace un programa con una serie de instrucciones, se lo manda, ellos lo corren...

–Hay cuatro o cinco programas, ésa es otra cosa interesante: los programas de punta para realizar estos estudios son libres, tienen desarrollos en sistemas de Linux y son de libre acceso y distribución fundamentalmente para los académicos. Uno, típicamente, lo que hace es preparar la información, el input, en la computadora propia. Después lo sube directamente por Internet a la computadora principal, y después, a través de ciertos sistemas, lanza el cálculo. Puede utilizar treinta, quinientas o mil computadoras durante más o menos horas. Depende del sistema. Por ejemplo, si uno quiere estudiar una proteína que tiene cien aminoácidos utilizará menos tiempo que si estudiara una con dos mil aminoácidos.

–Eso determina la cantidad de horas que debo emplear en el cálculo, pero ¿quién determina cuántas horas me corresponden, de cuántas puedo disponer? ¿Esas horas no se pagan?

–No, para nada, ésos son convenios que se establecen.

–Es el ideal democrático de la ciencia digital.

–Ese es exactamente el concepto.