Los investigadores, científicos de datos e IT participan en una lucha diaria, cada vez mayor, para desarrollar y ejecutar ensayos cada vez más complejos, capturar y administrar grandes volúmenes de datos variables y dispares, y manejar una gran combinación de moléculas pequeñas y entidades biológicas; Además, es necesario darle sentido a este diluvio de información y sacar conclusiones de ella y, a menudo, deben realizar este tipo de trabajos con sistemas lejanos e inflexibles, así como difíciles de mantener, impidiendo mantener este ritmo de trabajo durante largos periodos de tiempo.

El descubrimiento de fármacos es duro - nueve de cada diez candidatos a fármaco son rechazados - debido al tiempo empleado - normalmente entre 10-15 años -, y el coste - estudios realizados en 2016 lo estiman en $2,87Bn -. Pero esto está empezando a mejorar, ¿verdad?.

En 2017, a pesar de que EMA sólo aprobara 35 nuevas sustancias activas, la prohibición de medicamentos de la FDA alcanzó un máximo de 21 años, con 46 nuevas entidades moleculares aprobadas, la cifra más alta desde 1996. Este conjunto de 29 pequeñas moléculas demostró su gran importancia terapéutica. Entre ellas nos encontramos con 17 productos biológicos - 9 anticuerpos, 5 péptidos, 2 enzimas y 1 conjugado anticuerpo y 1 fármaco -. Pero de las 46 aprobaciones, la FDA sólo contó el 33% como nuevas clases de compuestos, por lo que las demás fueron incluidas en familias de compuestos más antiguas, que probablemente se aceptaron hace 15-20 años.

¿Qué contribuye a que el descubrimiento y el desarrollo de fármacos sea difícil, lento y costoso? Sin duda, la aparición de nuevas técnicas - Medicina personalizada y traslacional, biomarcadores, la nube, IA, PNL, CRISPR, etc - conducirían a mejores medicamentos, más rápido, y de manera más económica. Al más alto nivel, probablemente; pero en las trincheras, los investigadores y sus colegas de IT, así como los científicos de datos, están inmersos en una lucha diaria cada vez mayor para desarrollar y ejecutar análisis más complejos, capturar y administrar grandes volúmenes de datos variables y dispares, y manejar una mezcla de pequeñas moléculas y entidades biológicas; además, para dar sentido a este diluvio de datos y sacar conclusiones y punto de vista, es necesario que estos investigadores se enfrenten a cuatro aspectos, de vital importancia, día tras día.

Transferencia de información electrónica

Los sistemas informáticos basados en RDBMS tradicionales requieren costosos operadores de DB sólo para mantenerlos en funcionamiento, y se debe dedicar mucho tiempo y presupuesto a solucionar problemas y mantenerse al día con las actualizaciones de software y sistema, esto deja poco o nada de tiempo para realizar mejoras o ajustes en los sistemas encargados de incorporar o administrar un nuevo ensayo. Esto, a su vez, puede provocar demora en el trabajo de los investigadores IT y puede suponer que necesiten utilizar hojas de cálculo adicionales para realizar su trabajo.

La bandeja de entrada de un científico

Organizar la gran variedad de datos de gran volumen, así como los tipos de datos que pueden generarse en una investigación de descubrimiento de fármacos, es un desafío continuo. Los científicos demandan un buen acceso a sus datos, con tiempos de respuesta razonable para las búsquedas, así como tablas y formularios de visualización fáciles de usar. Los sistemas informáticos heredados, más antiguos, hicieron un buen trabajo capturando, vinculando y presentando la química básica, las propiedades físicas y los datos estructurados con bioensayos, pero todo esto se consiguió a costa de diseñar, configurar y mantener una serie inmanejable de archivos y formularios subyacentes.

Además de gestionar datos bien estructurados, los científicos desean cada vez más el acceso combinado a datos no estructurados. Los sistemas heredados tienen capacidades muy limitadas para incorporar dicho material de forma utilizable, de modo que la información potencialmente valiosa se ignorará cuando se toman decisiones importantes.

Falta de herramientas para una exploración significativa

Ante el diluvio de datos de investigación, los científicos quieren obtener los datos correctos en el formato correcto, y con las herramientas adecuadas, para la visualización y el análisis. Pero el desafío es saber qué datos existen, dónde y en qué formato. Los sistemas heredados a menudo ofrecen herramientas simples de búsqueda, pero la mayor parte del tiempo no ofrecen resultados adecuados.

Una vez que se dispone de un conjunto de datos manejable, el investigador se ve en la necesidad de localizar y utilizar las herramientas adecuadas para explorar relaciones de actividad estructural (SAR), desarrollar y probar hipótesis e identificar candidatos prometedores para una evaluación más adecuada. Tales herramientas a menudo son difíciles de encontrar, y cada una puede tener su propia interfaz de usuario idiosincrásica, con una curva de aprendizaje desafiante. 

Saber qué herramientas y formas usar, en qué orden y en qué conjuntos de datos puede ser frustrante y dar lugar a análisis o conclusiones incompletos o engañosos.

En el área SAR o bioSAR, la inteligencia estructural subyacente y la biosecuencia son requisitos clave para la exploración y análisis significativos, y estos a menudo solo están disponibles en aplicaciones separadas con diferentes interfaces de usuario cuando idealmente deberían ser accesibles a través de una aplicación unificada de búsqueda y visualización, soportada por una gama completa de herramientas de visualización y análisis de subestructuras y secuencias.

Gestión de I+D

Los gerentes de laboratorio, de sección y de área terapéutica tienen el reto de ayudar a descubrir, desarrollar y administrar mejores medicamentos de manera más rápida y económica. Quieren que sus equipos de I+D trabajen a máxima eficiencia, con las mejores herramientas disponibles para satisfacer las demandas actuales y futuras. Esto requiere la fundación de una plataforma a prueba de futuro, flexible y extensible. Cualquier sistema integrado en la plataforma debe ser capaz de manejar de forma inteligente y flexible todo tipo de datos de I+D, ahora y en el futuro, estructurados o no estructurados. Los científicos pueden entonces aprovechar estos datos bien administrados con herramientas que los guían a través de una búsqueda y recuperación efectiva y oportuna; flujos de trabajo de análisis; y análisis visual de SAR avanzado. Esto conducirá a una mejor ciencia y una comprensión más rápida de la acción.