Investigadores del MIT utilizaron machine learning y deep learning para identificar compuestos que son letales para microbios inactivos.
La resistencia antimicrobiana es un problema de salud pública a nivel mundial según la Organización Mundial de la Salud (OMS). Esto sucede cuando una infección se trata repetidamente y existe el riesgo de que las bacterias se vuelvan resistentes a los antibióticos. Diversos estudios sugieren que las bacterias pueden estar volviéndose metabólicamente inertes y escapan de la detección de los antibióticos tradicionales que solamente responden a la actividad metabólica.
“La resistencia se produce cada vez más con el tiempo, y las infecciones recurrentes se deben a esta latencia”, explicó la Dra. Jackie Valeri, especialista en biología y machine learning del MIT. La Dra. Valeri y colegas del Laboratorio Collins del MIT, publicaron en Cell Chemical Biology un artículo que detalla cómo el machine learning podría ayudar a detectar compuestos que son letales para las bacterias inactivas.
El estudio detalla la importancia de desarrollar antibióticos no tóxicos que sean eficaces contra bacterias metabólicamente inactivas. Asimismo, el estudio explica que combinaron un método de detección en fase estacionaria con pantallas virtuales impulsadas por deep learning y filtrado de toxicidad para descubrir compuestos letales contra bacterias metabólicamente inactivas y perfiles de toxicidad favorables.
De esta manera, los investigadores pudieron identificar un compuesto denominado semapimod, un fármaco antiinflamatorio utilizado para enfermedad de Crohn. De igual forma el estudio reveló que el semapimod tiene la capacidad para alterar las membranas de las bacterias Gram negativas que son resistentes a los antibióticos. En este sentido, el semapimod, sensibiliza las bacterias Gram negativas a fármacos que normalmente solo son activos contra bacterias Gram positivas.
Algunas bacterias gram negativas son Escherichia coli, Acinetobacter baumannii, Salmonella y Pseudomonis, para las cuales es difícil encontrar nuevos antibióticos. “Una de las formas en que descubrimos el mecanismo del semapimod fue que su estructura era realmente grande y nos recordaba a otras cosas que apuntan a la membrana externa”, explica la Dra. Valeri. “Cuando empiezas a trabajar con muchas moléculas pequeñas… a nuestros ojos, es una estructura bastante única”, agregó.
