Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Científicos utilizan IA para descubrir nuevos antibióticos en materia oscura microbiana

Estudio de Penn Medicine explora datos genómicos para identificar nuevos antibióticos.

Un innovador estudio dirigido por investigadores de la Escuela de Medicina Perelman de la Universidad de Pensilvania (UPenn), sugiere que el descubrimiento de antibióticos derivados de productos naturales está a punto de entrar en una nueva era, impulsada por la inteligencia artificial (IA).

En el estudio, published in Cell, los investigadores detallaron el uso de machine learning para buscar antibióticos en un vasto conjunto de datos que contiene los genomas registrados de decenas de miles de bacterias y otros organismos primitivos. El uso de IA para estas tareas resultó en casi un millón de posibles compuestos antibióticos, de los cuales decenas mostraron actividad prometedora en pruebas iniciales contra bacterias patógenas.

El Dr. César de la Fuente, coautor principal del estudio, afirmó que la IA ha acelerado significativamente la capacidad de descubrir nuevos candidatos a medicamentos. Lo que antes tomaba años, ahora puede lograrse en horas utilizando el potencial de esta tecnología.

El estudio explica que la naturaleza siempre ha sido una fuente importante de nuevos medicamentos, especialmente antibióticos. Por ejemplo, las bacterias, ubicuas, han evolucionado numerosas defensas antibacterianas, normalmente en forma de proteínas cortas o “péptidos” que pueden alterar las membranas celulares bacterianas y otras estructuras críticas.

El equipo de investigación utilizó una plataforma de machine learning para analizar múltiples bases de datos públicas que contienen datos genómicos microbianos. La exploración abarcó 87,920 genomas de microbios específicos y 63,410 mezclas de genomas microbianos o “metagenomas” de muestras ambientales. La exploración abarcó diversos hábitats alrededor del planeta.

El análisis obtuvo resultados prometedores, pues fueron identificados 863,498 péptidos antimicrobianos candidatos, de los cuales más del 90% no habían sido descritos antes. Con el propósito de validar estos hallazgos, los investigadores sintetizaron 100 de estos péptidos y los probaron contra 11 cepas bacterianas patógenas, incluidas cepas resistentes a los antibióticos de E. coli and Staphylococcus aureus. Los resultados iniciales mostraron que 63 de estos 100 candidatos lograron erradicar completamente el crecimiento de al menos uno de los patógenos probados y de múltiples cepas.

Asimismo, los investigadores observaron resultados prometedores en modelos animales preclínicos, donde algunos de los compuestos potentes lograron detener infecciones de manera exitosa. Los análisis adicionales sugirieron que muchos de estos péptidos destruyen las bacterias al alterar sus membranas protectoras externas.

En este sentido, este prometedor estudio destaca el importante potencial de la IA en la búsqueda de nuevos antibióticos, pues además de disminuir los tiempos destinados para el análisis, ha demostrado ser una herramienta potente al proporcionar múltiples nuevas pistas para los desarrolladores de antibióticos.

El equipo publicó su repositorio de secuencias antimicrobianas, llamado AMPSphere, que es de acceso abierto y está disponible libremente en el siguiente enlace: https://ampsphere.big-data-biology.org/

Outstanding news

News by country

Related Content

Secured By miniOrange