La 4ª revolución industrial ya está aquí y, al igual que sucede con otros sectores, su impacto en la industria cosmética se empieza a notar. La inteligencia artificial, el aprendizaje automático (machine learning) o simplemente la automatización y el análisis mediante algoritmos, sumado a la creciente cantidad de información ómica disponible, convierte el diseño in silico en un pilar fundamental del desarrollo cosmético.
El diseño y análisis computacional ha sido ampliamente utilizado para realizar estudios sectoriales y de tendencias, así como en la cosmética personalizada. Pero no solo, puesto que su uso en el diseño de compuestos activos y formulaciones hoy en día es casi indispensable.
Para el diseño de nuevos ingredientes cosméticos se realizan técnicas de acoplamiento molecular (docking), tanto de pequeñas moléculas químicas como de péptidos, que permiten predecir la orientación que adopta una molécula al unirse a un sitio activo y la fuerza con la que lo hace. Indicando así el grado de efectividad con la que la molécula modulará la actividad de la diana en estudio. El uso del cribado virtual basado en estructura (virtual screening), que viene a ser la repetición del docking con distintas moléculas, posibilita además la exploración de grandes conjuntos de ligandos como posibles compuestos activos, creando un ranking de afinidad por la diana de interés. Por otro lado, el cribado virtual basado en ligando se puede utilizar en los casos en los que no se dispone de la estructura tridimensional de la diana proteica. La disponibilidad de un ligando conocido para la diana de interés es la base de búsqueda de otros ligandos con cierto parecido estructural, químico y por tanto con similar efecto. Estas técnicas, al no precisar de la síntesis química de los candidatos a testar, disminuyen considerablemente los costes de desarrollo, tanto económicos como temporales.
Por otro lado, el diseño computacional permite la búsqueda de librerías de compuestos para realizar cribado virtual sobre una diana concreta. Esta búsqueda de librerías virtuales puede basarse en propiedades fisicoquímicas o en farmacóforos (subestructuras químicas características) que permiten ampliar el análisis a distintas familias químicas. A su vez, la predicción computacional de propiedades químicas hoy en día es cada vez más certera gracias a la existencia de amplios conjuntos de datos que se emplean en entrenar los modelos predictivos mediante el machine learning.
Por otra parte, la dinámica molecular acompañada de un campo de fuerza idóneo permite predecir el comportamiento de una molécula en movimiento en un entorno determinado, y por tanto es muy útil en definir una formulación apropiada o la estabilidad de pequeñas moléculas o péptidos en aplicaciones tópicas. A diferencia del acoplamiento molecular, que proporciona una foto final, la dinámica molecular brinda un cortometraje muy amplio que concede la oportunidad de visualizar todas las interacciones entre la molécula de interés y su ambiente.
Por último, otro ámbito importante de aplicación del diseño in silico en la cosmética es la seguridad, tanto de los principios activos como de las formulaciones finales. El diseño computacional permite deducir la toxicidad de una molécula directamente a partir de su estructura química empleando el análisis basado en estructura o en sistemas de inteligencia artificial apoyadas en conocimiento previo. El empleo de la computación en la seguridad de los cosméticos tiene, además, un móvil político-legislativo que impulsará todavía más su desarrollo y aplicación en los próximos años, al avanzar las prohibiciones de los ensayos de toxicidad en animales en multitud de países.
Por todo ello, el análisis y diseño in silico ha venido a la industria cosmética para quedarse.
