Herramienta de IA desarrollada por investigadores de Penn Medicine podría descubrir nuevos antibióticos a partir de moléculas antiguas.
La resistencia a los antibióticos es una preocupación creciente para la salud pública a nivel mundial, ya que los microbios han desarrollado defensas contra estos medicamentos debido al uso indebido y generalizado a lo largo de los años. En este sentido, investigadores de la Universidad de Pensilvania (UPenn), liderados por César de la Fuente, han desarrollado una herramienta de inteligencia artificial (IA) para explorar elementos genéticos de moléculas antiguas en busca de nuevos antibióticos.
César de la Fuente, profesor asistente de la Escuela de Medicina Perelman, encabezó un equipo interdisciplinario en el desarrollo de esta innovadora herramienta de IA. “‘Asegúrate de terminar tu curso de antibióticos, incluso si te sientes mejor’ es un mantra médico que muchos escuchan, pero ignoran”, 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 año.
El equipo de investigación publicó sus hallazgos en la revista Nature Biomedical Engineering, destacando cómo utilizaron la IA para analizar más de 10 millones de moléculas de organismos modernos y extintos, descubriendo candidatos potenciales para nuevos antibióticos. Los métodos tradicionales toman alrededor de seis años para el desarrollo de nuevos fármacos candidatos preclínicos, lo que representa no solo un proceso laborioso sino también que requiere grandes recursos económicos.
Según de la Fuente, su enfoque de deep learning “puede reducir drásticamente el tiempo necesario para identificar nuevos candidatos a fármacos preclínicos, pasando de años a solo unas pocas horas”.
De esta manera, los investigadores empezaron aplicando algoritmos simples para identificar pequeñas moléculas antibióticas dentro de las secuencias de aminoácidos de proteínas individuales. Conforme mejoraba la eficiencia computacional, pudieron ampliar su análisis a proteomas completos. Esto permitió el descubrimiento de miles de nuevas moléculas antimicrobianas en el proteoma humano y en los proteomas de antiguos homínidos como los neandertales y los denisovanos.
La herramienta de IA, denominada Antibiotic Peptide de-Extinction o APEX, emplea una combinación de redes neuronales recurrentes y redes de atención para identificar fragmentos de proteínas con propiedades antimicrobianas. “Las redes neuronales recurrentes son excelentes para procesar secuencias como las proteínas, mientras que las redes de atención mejoran la capacidad de la red para centrarse en partes específicas de la estructura de la proteína que probablemente estén involucradas en la actividad antimicrobiana”, explica Fangping Wan, coautor del estudio.
APEX fue capaz de analizar más de 10 millones de péptidos e identificar 37,176 secuencias con actividad antimicrobiana de amplio espectro, incluyendo 11,035 secuencias no encontradas en organismos actuales. Además, algunas de estas secuencias mostraron efectividad en modelos preclínicos de ratones, acercándolas un paso más hacia los ensayos clínicos y el uso terapéutico eventual.
El trabajo computacional realizado en el laboratorio de de la Fuente desde 2019 ha acelerado significativamente la capacidad para descubrir nuevos antibióticos. “Lo que antes tomaba muchos años de trabajo meticuloso con métodos tradicionales, ahora puede hacerse en solo unas pocas horas con la IA”, afirma el investigador.
