¿Y si la clave para tratar enfermedades hepáticas y pulmonares estuviera escondida en un medicamento presente desde hace décadas en millones de hogares? Con el apoyo del programa Early Adopters BIO+IA, un equipo de investigadores de Colombia y Venezuela utilizó inteligencia artificial y análisis de redes moleculares para investigar una posibilidad que podría abrir nuevas perspectivas para la medicina del futuro. ¿El resultado?: Una demostración del valor de la colaboración regional y de cómo la inteligencia artificial puede acelerar el descubrimiento científico en América Latina y el Caribe.
¿Qué pasaría si un medicamento utilizado durante más de 60 años para aliviar la tos tuviera el potencial de ayudar en enfermedades graves que hoy cuentan con pocas alternativas de tratamiento? Esa fue la pregunta que un equipo binacional, integrado por investigadores de la Universidad Autónoma de Bucaramanga (Colombia, miembro activo de la red académica nacional, RENATA) y el Instituto Venezolano de Investigaciones Científicas (IVIC), decidió abordar en el marco del programa Early Adopters BIO+IA, iniciativa impulsada por RedCLARA dentro de BELLA II para acercar capacidades avanzadas de bioinformática e inteligencia artificial a investigadores de América Latina y el Caribe.
El objetivo del grupo científico era estudiar el potencial del dextrometorfano, un conocido antitusígeno, como posible tratamiento para enfermedades fibróticas, especialmente aquellas que afectan al hígado y al pulmón. Para ello, el equipo recurrió a herramientas de inteligencia artificial, análisis de redes moleculares y colaboración científica regional.
Una pregunta compleja que requería nuevas herramientas
Las enfermedades fibróticas representan un importante problema de salud. Son trastornos crónicos en los que un órgano sufre lesiones o inflamación persistente, lo que provoca una acumulación excesiva de tejido cicatricial (matriz extracelular) que reemplaza las células sanas. Con el tiempo, eso vuelve al órgano rígido, disminuye su elasticidad y destruye progresivamente su estructura y función biológica. Esto ocurre, por ejemplo, en la fibrosis pulmonar y en diversas enfermedades hepáticas.
Prohibido para menores de 2 años, el dextrometorfano es un medicamento antitusivo que calma la tos seca o irritativa que se produce en presencia de resfríos o gripe; en venta sin receta en formato jarabe y pastillas, este compuesto químico es de uso amplio y común, dado que, aunque no cura la enfermedad ni sirve para la tos con flema, sí alivia pues actúa en el cerebro para frenar el reflejo de toser.
Estudios llevados a cabo a partir del 2023 han mostrado señales prometedoras sobre los efectos antiinflamatorios y antifibróticos del mismo dextrometorfano que se usa para tratar la tos, en las enfermedades fibróticas, pero aún no existía una explicación clara sobre cómo el medicamento podría actuar sobre los mecanismos biológicos involucrados en estos procesos.
El desafío era enorme: analizar grandes volúmenes de información científica dispersa en miles de artículos, identificar conexiones entre genes, proteínas y procesos biológicos, y construir una visión integral capaz de transformar indicios aislados en una hipótesis sólida.
El valor del programa Early Adopters BIO+IA
El proyecto fue uno de los seleccionados para participar en el programa Early Adopters BIO+IA, una iniciativa creada para que equipos de investigación de la región trabajen con el testbed de Bioinformática e Inteligencia Artificial de BELLA II, una infraestructura diseñada para capturar, procesar y analizar información científica mediante inteligencia artificial generativa, inteligencia artificial lógica y bioinformática estructural.
Según los investigadores, la principal motivación para postular fue que su hipótesis era "biológicamente razonada pero computacionalmente inejecutable con los recursos locales”. Los investigadores Gustavo Antonio Bruges Morales (U. Autónoma de Bucaramanga), Rafael José Puche Quiñonez (IVIC) y Fernando Antonio Hernández Medina (Instituto Venezolano de Investigaciones Científicas), responsables del estudio, sostienen, mediante una entrevista respondida de modo escrito, que “la hipótesis de si el dextrometorfano, un antitusígeno con más de sesenta años de uso clínico, puede reposicionarse como antifibrótico multiorgánico no se resuelve con un ensayo puntual ni con una búsqueda bibliográfica convencional: exige construir e interrogar redes moleculares completas, integrando transcriptómica hepática y pulmonar, interacciones proteína-proteína y minería de decenas de miles de abstracts".
El acceso al testbed les permitió disponer de infraestructura tecnológica, herramientas especializadas y acompañamiento técnico para desarrollar análisis que habrían sido extremadamente difíciles de realizar de forma independiente.
“Ese tipo de trabajo tiene tres cuellos de botella que una universidad regional difícilmente resuelve por su cuenta: infraestructura de cómputo persistente (nuestras corridas de inferencia generan archivos de rutas de más de 140 MB y tardan horas), acceso a herramientas especializadas que no están empaquetadas para instalación trivial, y —lo más difícil— acompañamiento técnico de quienes desarrollaron esas herramientas. El testbed BIO+IA ofrecía las tres cosas en un mismo lugar”, explican los especialistas.
Cuando la inteligencia artificial ayuda a cuestionar las propias hipótesis
Uno de los mayores aportes de la experiencia fue que la tecnología no se utilizó para confirmar una idea preconcebida, sino para ponerla a prueba.
A través del análisis de miles de publicaciones científicas y la construcción de redes de interacción molecular, los investigadores pudieron observar que algunos de los mecanismos que inicialmente consideraban centrales no contaban con suficiente respaldo científico, mientras que otros aparecieron como actores mucho más relevantes de lo esperado.
La plataforma permitió procesar decenas de miles de registros científicos y construir bases de conocimiento con miles de relaciones biológicas documentadas, siempre manteniendo la trazabilidad hacia las fuentes originales.
Para el equipo, este fue uno de los aprendizajes más valiosos: “Lo más importante fue que el testbed nos obligó a convertir una hipótesis narrativa en una estructura falsable, y luego nos dio las herramientas para refutarnos a nosotros mismos”.
A medida que avanzaban los análisis, surgió una nueva comprensión del problema. Lo que comenzó como una hipótesis basada en una relación simple entre un fármaco y un objetivo biológico evolucionó hacia una visión mucho más amplia basada en redes de interacción molecular.
La colaboración regional como elemento clave
Más allá de los resultados científicos, este proyecto demuestra el valor de la colaboración que promueven RedCLARA, el proyecto BELLA II que ejecuta, y las Redes Nacionales de Investigación y Educación (RNIE) latinoamericanas que le dan vida.
El equipo de investigación binacional contó con el apoyo de RENATA, la RNIE colombiana, trabajando sobre una infraestructura regional compartida. Según los participantes, esta capacidad de colaboración fue una parte fundamental de la experiencia: “El programa consolidó una colaboración Colombia–Venezuela operando sobre infraestructura común. Para grupos de la región, ese acceso es la diferencia entre plantear una pregunta de biología de sistemas y poder responderla”.
Esta articulación entre investigadores, redes nacionales y plataformas regionales es precisamente uno de los objetivos centrales del proyecto BELLA II: permitir que el conocimiento, la infraestructura y el talento puedan conectarse para abordar desafíos científicos que trascienden fronteras. Cofinanciado por la Unión Europea, este tipo de aportes donde la cooperación que ocurre en el ecosistema de las RNIE que integran RedCLARA genera resultados que benefician a las personas, es fundamento basal del proyecto BELLA II.
Resultados que van más allá de un proyecto
Durante su participación en Early Adopters BIO+IA, el equipo logró construir un modelo mecanístico reproducible, identificar nuevas líneas de investigación y desarrollar capacidades que permanecerán instaladas en sus instituciones.
También consolidó herramientas reproducibles en R y Python, fortaleció sus capacidades en análisis de redes biológicas y estableció repositorios abiertos alineados con los principios de ciencia abierta.
Sin embargo, para los investigadores, el principal logro fue haber elevado el nivel de evidencia disponible para sustentar sus hipótesis. Como resume el equipo: “El testbed nos permitió pasar de una hipótesis defendible en un seminario a un conjunto de afirmaciones con trazabilidad hasta la frase y el PMID de origen, que es el estándar que exige un manuscrito publicable”.
Un ejemplo del potencial de BELLA II para acelerar la investigación regional
La experiencia demuestra cómo la combinación de inteligencia artificial, bioinformática, infraestructura compartida y colaboración internacional puede acelerar significativamente los procesos de investigación científica.
En este caso, el Testbed BIO+IA no solo ayudó a generar nuevos conocimientos sobre el potencial terapéutico del dextrometorfano. También permitió que investigadores de distintos países trabajaran juntos, cuestionaran sus propias hipótesis y construyeran evidencia más sólida para futuras investigaciones.
Ese es precisamente el tipo de impacto que buscan RedCLARA y BELLA II: transformar la conectividad en colaboración efectiva y convertir el acceso a tecnologías avanzadas en oportunidades reales para la ciencia latinoamericana. Esto es, por demás, ejemplo concreto del enfoque centrado en el ser humano de la Alianza Digital EU-LAC del que BELLA II es pilar.
