{"id":47387,"date":"2024-07-11T09:11:52","date_gmt":"2024-07-11T15:11:52","guid":{"rendered":"https:\/\/saluddigital.com\/?p=47387"},"modified":"2025-10-18T15:30:25","modified_gmt":"2025-10-18T21:30:25","slug":"cientificos-exploran-el-uso-de-ia-para-abordar-la-resistencia-a-los-antibioticos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/cientificos-exploran-el-uso-de-ia-para-abordar-la-resistencia-a-los-antibioticos\/","title":{"rendered":"Cient\u00edficos exploran el uso de IA para abordar la resistencia a los antibi\u00f3ticos"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Herramienta de IA desarrollada por investigadores de Penn Medicine podr\u00eda descubrir nuevos antibi\u00f3ticos a partir de mol\u00e9culas antiguas.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

The resistencia a los antibi\u00f3ticos<\/a> es una preocupaci\u00f3n creciente para la salud p\u00fablica a nivel mundial, ya que los microbios han desarrollado defensas contra estos medicamentos debido al uso indebido y generalizado a lo largo de los a\u00f1os. En este sentido, investigadores de la Universidad de Pensilvania (UPenn), liderados por C\u00e9sar de la Fuente, han desarrollado una herramienta de inteligencia artificial (IA) para explorar elementos gen\u00e9ticos de mol\u00e9culas antiguas en busca de nuevos antibi\u00f3ticos.<\/p>

C\u00e9sar de la Fuente, profesor asistente de la Escuela de Medicina Perelman, encabez\u00f3 un equipo interdisciplinario en el desarrollo de esta innovadora herramienta de IA. \u201c\u2018Aseg\u00farate de terminar tu curso de antibi\u00f3ticos, incluso si te sientes mejor\u2019 es un mantra m\u00e9dico que muchos escuchan, pero ignoran\u201d, explica de la Fuente. La falta de cumplimiento con este consejo ha contribuido al surgimiento de bacterias resistentes a los medicamentos, una crisis de salud global que causa aproximadamente 4.95 millones de muertes al a\u00f1o.<\/p>

El equipo de investigaci\u00f3n public\u00f3 sus hallazgos en la revista Nature Biomedical Engineering<\/em><\/a>, destacando c\u00f3mo utilizaron la IA para analizar m\u00e1s de 10 millones de mol\u00e9culas de organismos modernos y extintos, descubriendo candidatos potenciales para nuevos antibi\u00f3ticos. Los m\u00e9todos tradicionales toman alrededor de seis a\u00f1os para el desarrollo de nuevos f\u00e1rmacos candidatos precl\u00ednicos, lo que representa no solo un proceso laborioso sino tambi\u00e9n que requiere grandes recursos econ\u00f3micos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Seg\u00fan de la Fuente, su enfoque de deep learning \u201cpuede reducir dr\u00e1sticamente el tiempo necesario para identificar nuevos candidatos a f\u00e1rmacos precl\u00ednicos, pasando de a\u00f1os a solo unas pocas horas\u201d.<\/p>

De esta manera, los investigadores empezaron aplicando algoritmos simples para identificar peque\u00f1as mol\u00e9culas antibi\u00f3ticas dentro de las secuencias de amino\u00e1cidos de prote\u00ednas individuales. Conforme mejoraba la eficiencia computacional, pudieron ampliar su an\u00e1lisis a proteomas completos. Esto permiti\u00f3 el descubrimiento de miles de nuevas mol\u00e9culas antimicrobianas en el proteoma humano y en los proteomas de antiguos hom\u00ednidos como los neandertales y los denisovanos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La herramienta de IA, denominada Antibiotic Peptide de-Extinction<\/em> o APEX, emplea una combinaci\u00f3n de redes neuronales recurrentes y redes de atenci\u00f3n para identificar fragmentos de prote\u00ednas con propiedades antimicrobianas. \u201cLas redes neuronales recurrentes son excelentes para procesar secuencias como las prote\u00ednas, mientras que las redes de atenci\u00f3n mejoran la capacidad de la red para centrarse en partes espec\u00edficas de la estructura de la prote\u00edna que probablemente est\u00e9n involucradas en la actividad antimicrobiana\u201d, explica Fangping Wan, coautor del estudio.<\/p>

APEX fue capaz de analizar m\u00e1s de 10 millones de p\u00e9ptidos e identificar 37,176 secuencias con actividad antimicrobiana de amplio espectro, incluyendo 11,035 secuencias no encontradas en organismos actuales. Adem\u00e1s, algunas de estas secuencias mostraron efectividad en modelos precl\u00ednicos de ratones, acerc\u00e1ndolas un paso m\u00e1s hacia los ensayos cl\u00ednicos y el uso terap\u00e9utico eventual.<\/p>

El trabajo computacional realizado en el laboratorio de de la Fuente desde 2019 ha acelerado significativamente la capacidad para descubrir nuevos antibi\u00f3ticos. \u201cLo que antes tomaba muchos a\u00f1os de trabajo meticuloso con m\u00e9todos tradicionales, ahora puede hacerse en solo unas pocas horas con la IA\u201d, afirma el investigador.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

UPENN<\/strong><\/p>

https:\/\/penntoday.upenn.edu\/news\/looking-ai-solve-antibiotic-resistance<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Herramienta de IA desarrollada por investigadores de Penn Medicine podr\u00eda descubrir nuevos antibi\u00f3ticos a partir de mol\u00e9culas antiguas. La resistencia a los antibi\u00f3ticos es una preocupaci\u00f3n creciente para la salud p\u00fablica a nivel mundial, ya que los microbios han desarrollado defensas contra estos medicamentos debido al uso indebido y generalizado a lo largo de los a\u00f1os. En este sentido, investigadores de la Universidad de Pensilvania (UPenn), liderados por C\u00e9sar de la Fuente, han desarrollado una herramienta de inteligencia artificial (IA) para explorar elementos gen\u00e9ticos de mol\u00e9culas antiguas en busca de nuevos antibi\u00f3ticos. C\u00e9sar de la Fuente, profesor asistente de la Escuela de Medicina Perelman, encabez\u00f3 un equipo interdisciplinario en el desarrollo de esta innovadora herramienta de IA. \u201c\u2018Aseg\u00farate de terminar tu curso de antibi\u00f3ticos, incluso si te sientes mejor\u2019 es un mantra m\u00e9dico que muchos escuchan, pero ignoran\u201d, explica de la Fuente. La falta de cumplimiento con este consejo ha contribuido al surgimiento de bacterias resistentes a los medicamentos, una crisis de salud global que causa aproximadamente 4.95 millones de muertes al a\u00f1o. El equipo de investigaci\u00f3n public\u00f3 sus hallazgos en la revista Nature Biomedical Engineering, destacando c\u00f3mo utilizaron la IA para analizar m\u00e1s de 10 millones de mol\u00e9culas de organismos modernos y extintos, descubriendo candidatos potenciales para nuevos antibi\u00f3ticos. Los m\u00e9todos tradicionales toman alrededor de seis a\u00f1os para el desarrollo de nuevos f\u00e1rmacos candidatos precl\u00ednicos, lo que representa no solo un proceso laborioso sino tambi\u00e9n que requiere grandes recursos econ\u00f3micos. Seg\u00fan de la Fuente, su enfoque de deep learning \u201cpuede reducir dr\u00e1sticamente el tiempo necesario para identificar nuevos candidatos a f\u00e1rmacos precl\u00ednicos, pasando de a\u00f1os a solo unas pocas horas\u201d. De esta manera, los investigadores empezaron aplicando algoritmos simples para identificar peque\u00f1as mol\u00e9culas antibi\u00f3ticas dentro de las secuencias de amino\u00e1cidos de prote\u00ednas individuales. Conforme mejoraba la eficiencia computacional, pudieron ampliar su an\u00e1lisis a proteomas completos. Esto permiti\u00f3 el descubrimiento de miles de nuevas mol\u00e9culas antimicrobianas en el proteoma humano y en los proteomas de antiguos hom\u00ednidos como los neandertales y los denisovanos. La herramienta de IA, denominada Antibiotic Peptide de-Extinction o APEX, emplea una combinaci\u00f3n de redes neuronales recurrentes y redes de atenci\u00f3n para identificar fragmentos de prote\u00ednas con propiedades antimicrobianas. \u201cLas redes neuronales recurrentes son excelentes para procesar secuencias como las prote\u00ednas, mientras que las redes de atenci\u00f3n mejoran la capacidad de la red para centrarse en partes espec\u00edficas de la estructura de la prote\u00edna que probablemente est\u00e9n involucradas en la actividad antimicrobiana\u201d, explica Fangping Wan, coautor del estudio. APEX fue capaz de analizar m\u00e1s de 10 millones de p\u00e9ptidos e identificar 37,176 secuencias con actividad antimicrobiana de amplio espectro, incluyendo 11,035 secuencias no encontradas en organismos actuales. Adem\u00e1s, algunas de estas secuencias mostraron efectividad en modelos precl\u00ednicos de ratones, acerc\u00e1ndolas un paso m\u00e1s hacia los ensayos cl\u00ednicos y el uso terap\u00e9utico eventual. El trabajo computacional realizado en el laboratorio de de la Fuente desde 2019 ha acelerado significativamente la capacidad para descubrir nuevos antibi\u00f3ticos. \u201cLo que antes tomaba muchos a\u00f1os de trabajo meticuloso con m\u00e9todos tradicionales, ahora puede hacerse en solo unas pocas horas con la IA\u201d, afirma el investigador. BIBLIOGRAF\u00cdA UPENN https:\/\/penntoday.upenn.edu\/news\/looking-ai-solve-antibiotic-resistance<\/p>","protected":false},"author":1,"featured_media":47388,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-47387","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/47387","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=47387"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/47387\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/47388"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=47387"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=47387"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=47387"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}