Optimización mediante fragmentación por IA de derivados de sorafenib dirigidos a VEGFR2 para patologías relacionadas con la angiogénesis: un estudio in silico basado en la estructura

Por qué remodelar un fármaco contra el cáncer importa para muchas enfermedades

Los nuevos vasos sanguíneos mantienen vivos nuestros órganos, pero cuando su crecimiento se descontrola pueden alimentar tumores, dañar el ojo y alterar la placenta durante el embarazo. Este estudio explora cómo la inteligencia artificial y simulaciones informáticas avanzadas pueden rediseñar un fármaco oncológico existente, el sorafenib, para controlar con mayor precisión un interruptor clave del crecimiento vascular llamado VEGFR2, con la esperanza a largo plazo de tratamientos más seguros para enfermedades relacionadas con la angiogénesis.

El semáforo para los nuevos vasos sanguíneos

El crecimiento de vasos sanguíneos, o angiogénesis, depende en gran medida de una proteína en la superficie de las células que recubren los vasos llamada VEGFR2. Cuando su molécula asociada VEGF se une, VEGFR2 ordena a las células dividirse, migrar y formar nuevos vasos. Esto es útil en la cicatrización y el desarrollo, pero dañino cuando alimenta el suministro sanguíneo de tumores, ciertas enfermedades oculares, inflamación crónica o cambios anormales en la placenta. Debido a este papel central, VEGFR2 se ha convertido en un objetivo farmacológico importante, y ya existen varios medicamentos que lo bloquean. Sin embargo, muchos de estos fármacos, incluido sorafenib, afectan a varias proteínas relacionadas, lo que puede provocar efectos secundarios graves.

Convertir el sorafenib en una herramienta mejor

El sorafenib es una herramienta potente pero burda. Se fija en la región interna “motora” de VEGFR2 y enzimas relacionadas, apagando señales que promueven el crecimiento vascular. Desgraciadamente, su actividad amplia trae problemas como hipertensión arterial, sobrecarga cardíaca, reacciones cutáneas y riesgo de lesión hepática. En lugar de empezar de cero, los autores usaron el esqueleto químico básico del sorafenib como plantilla y se preguntaron: ¿podemos usar IA para remodelar suavemente esta molécula de modo que se adhiera más firmemente a VEGFR2, tenga mejor comportamiento en el cuerpo y parezca menos tóxica —sin perder su efecto antiangiogénico?

Permitir que la IA explore un espacio químico más seguro

El equipo introdujo la estructura del sorafenib en un sistema impulsado por IA que realiza pequeños cambios químicamente realistas —añadiendo o intercambiando fragmentos de maneras reproducibles por un químico medicinal en el laboratorio. Esto produjo veinte nuevas moléculas candidatas que mantenían las características centrales del sorafenib pero diferían en grupos laterales y forma global. Los investigadores confiaron luego completamente en métodos computacionales para evaluar estas candidatas: acoplamientos virtuales en un modelo 3D de alta resolución de VEGFR2, largas simulaciones de dinámica molecular que imitan el movimiento de los átomos en condiciones acuosas y corporales, y cálculos energéticos que estiman la fuerza con la que cada molécula permanece ligada.

Una candidata destacada en las simulaciones

Un diseño, denominado Derivado Fragmentado por IA 7 (Grow), se destacó de forma constante. Los estudios de acoplamiento sugirieron que encajaba en la ranura activa principal de VEGFR2 más ceñido que el sorafenib, formando una red más densa de contactos con aminoácidos clave que se sabe son importantes para inhibidores reales. Medio microsegundo de simulaciones de dinámica molecular mostró que el complejo se mantuvo notablemente estable a lo largo del tiempo: la proteína permaneció compacta, el bolsillo de unión no colapsó ni se deformó, y la nueva molécula apenas se desplazó, manteniendo varias interacciones por puente de hidrógeno y contactos hidrofóbicos durante toda la simulación. Cálculos avanzados a nivel cuántico indicaron que los electrones del Derivado 7 están organizados de forma que favorecen interacciones de carga con VEGFR2, lo que respalda su unión fuerte predicha.

Pistas de mejor comportamiento en el organismo

Más allá de una buena unión, un fármaco debe desplazarse de forma segura por el organismo. Los autores emplearon herramientas predictivas basadas en la web para estimar cómo podría disolverse, absorberse, ser metabolizado por enzimas hepáticas y potencialmente causar daño cada candidata. Se predijo que el Derivado 7 tendría una solubilidad acuosa algo mejor y una mezcla más equilibrada de regiones lipofílicas y polares que el sorafenib, propiedades que con frecuencia facilitan la dosificación y formulación. Importante, modelos de toxicidad basados en aprendizaje automático señalaban al sorafenib como más probable de causar lesión hepática inducida por fármacos, mientras que el Derivado 7 se situó en el lado más seguro de este riesgo particular. Al mismo tiempo, conservaba un perfil metabólico globalmente similar, lo que sugiere que sus rutas de degradación podrían ser previsibles.

De la promesa computacional a la prueba en el mundo real

En términos cotidianos, este trabajo muestra cómo la IA y las simulaciones basadas en la física pueden “tallar y pulir” un fármaco existente hasta convertirlo en una versión potencialmente más afilada y segura dirigida al mismo interruptor molecular. El derivado rediseñado de sorafenib parece, en pantalla, agarrar VEGFR2 con mayor firmeza y presentar menos señales de alarma para daño hepático, manteniendo a la vez las características básicas que hacen eficaz al sorafenib. Sin embargo, todos estos hallazgos son predicciones: la nueva molécula aún no ha sido sintetizada ni probada en células, animales o pacientes. La contribución real del estudio es ofrecer un candidato bien argumentado y rico en datos —y una canalización digital reutilizable— para medicamentos de próxima generación que dominen mejor el crecimiento vascular descontrolado en cáncer, enfermedades oculares y otras condiciones impulsadas por la angiogénesis.

Cita: Inan, D., Karageçili, S. & Ali, N. AI fragmentation-based optimization of Sorafenib derivatives targeting VEGFR2 for angiogenesis-related pathologies: a structure-based in-silico study. Sci Rep 16, 11848 (2026). https://doi.org/10.1038/s41598-026-41232-9

Palabras clave: angiogénesis, inhibidores de VEGFR2, derivados de sorafenib, diseño de fármacos por IA, acoplamiento molecular