Lifecycle Information Fusion, Data Enrichment, Perturbation Theory, and Machine Learning Models (LIFE.PTML) for Preclinical Assays, Clinical Trials and Epidemiology Data of Anti-HIV compounds

• Autores: Fernando Eiras Abalde
• Directores de la Tesis: Sonia Arrasate Gil (dir. tes.), Humberto González Díaz (codir. tes.), José Javier Meana Martínez (tut. tes.)
• Lectura: En la Universidad del País Vasco - Euskal Herriko Unibertsitatea ( España ) en 2024
• Idioma: inglés
• Programa de doctorado: Programa de Doctorado en Farmacología por la Universidad del País Vasco/Euskal Herriko Unibertsitatea
• Materias:
  • Ciencias médicas
• Enlaces
  • Tesis en acceso abierto en: ADDI
• Resumen

  • El Virus de la Inmunodeficiencia Humana (VIH), es el agente causal del Síndrome de Inmunodeficiencia Adquirida (SIDA). El número de casos ha ido en progresión y se ha convertido en una enfermedad "crónica" gracias a la mejoría en las armas terapéuticas de las que disponemos, a un largo período de latencia clínica y a la replicación viral persistente. Pero al mismo tiempo, existe un aumento de resistencias o necesidad de nuevos fármacos con menos efectos secundarios. Es por ello que, en los últimos años, muchos investigadores se encuentran en la búsqueda de nuevos compuestos útiles contra la enfermedad. El empleo del aprendizaje automático para el desarrollo de nuevos fármacos es un campo en auge de gran utilidad. Así nos encontramos la metodología IFPTML (IFPTML = IF + PT + ML) que relaciona la teoría de perturbaciones (PT) combinada con métodos de aprendizaje automático (ML) y fusión de información (IF). En esta tesis, gracias a la aplicación de IFPTML, se propone un enfoque innovador para la elaboración de fármacos, donde se incluyen las diferentes fases de desarrollo de un fármaco (fase preclínica y clínica), generando un modelo predictivo de fármacos antiVIH. La información empleada de ensayos preclínicos, clínicos y epidemiológicos es extraída de dos grandes bases de datos. En primer lugar, para recopilar los datos preclínicos, hemos empleado la base de datos ChEMBL, donde se recopilan datos preclínicos como pueden ser, la estructura de los compuestos y las condiciones de ensayo de los análisis biológicos. En segundo lugar, para recopilar los datos clínicos de ensayos hemos empleado la base de datos ClinicalTrials.gov, en la que se recogen múltiples variables de los ensayos clínicos (características, intervención, pacientes, requisitos etc.). La aplicación de este modelo quimioinformático, que permite predecir la actividad antiHIV de nuevos fármacos, según los datos recogidos en las tres fases, permite al investigador o industria disminuir costes o tiempo invertido en el desarrollo de fármacos.