La resistencia a los antibióticos está demostrando ser una de las amenazas más graves para la salud humana. Solo en 2019, se cobró alrededor de 1,27 millones de vidas directas y contribuyó a casi cinco millones de muertes adicionales. La situación empeoró durante la pandemia de COVID-19 y lo que agrava el desafío es la ausencia de nuevas clases de antibióticos desarrolladas durante un período prolongado.
Los investigadores han informado ahora que descubrieron una nueva clase de candidatos a antibióticos utilizando inteligencia artificial (IA). Un equipo del grupo de James Collins en el Instituto Broad del Instituto de Tecnología de Massachusetts y la Universidad de Harvard empleó IA de aprendizaje profundo para detectar millones de sustancias químicas en busca de actividad antibiótica.
Relacionado: 5 Tipos De Alimentos Que Deberías De Evitar Al Tomar Antibióticos
Al probar 283 compuestos potenciales en ratones, los investigadores descubrieron que muchos resultaron eficaces contra Staphylococcus aureus resistente a la meticilina (MRSA) y enterococos resistentes a la vancomicina, dos de las bacterias más difíciles de matar. A diferencia de un modelo de IA normal, que funciona como una "caja negra" incomprensible, se podría seguir la lógica y la fisiología de este modelo.
"Nuestros modelos (de IA) nos dicen no sólo qué compuestos tienen actividad antibiótica selectiva, sino también por qué, en términos de su estructura química", dice Felix Wong del Instituto Broad del MIT y Harvard en Massachusetts.
Wong y sus colegas querían ampliar los límites del descubrimiento de medicamentos guiado por IA con su proyecto de investigación. Su objetivo era mostrar que este enfoque podría ir más allá de identificar objetivos farmacológicos específicos y predecir los efectos biológicos más amplios asociados con clases enteras de sustancias similares a las drogas.
En primer lugar, se probaron más de 39.000 sustancias químicas para ver cómo afectaban al Staphylococcus aureus y a tres tipos diferentes de células humanas derivadas del hígado, el músculo esquelético y los pulmones. Los datos acumulados se utilizaron luego como conjunto de datos de entrenamiento para modelos de inteligencia artificial, lo que les permitió comprender mejor los diferentes patrones estructurales en los átomos y enlaces químicos de cada compuesto. Gracias a esta información detallada, las IA pudieron predecir la actividad antibacteriana de las sustancias químicas y evaluar su daño potencial a las células humanas.
Modelos de IA entrenados analizaron 12 millones de sustancias químicas mediante simulaciones por computadora, descubriendo 3.646 moléculas con propiedades óptimas similares a las de los fármacos. A continuación, se utilizaron cálculos para encontrar las subestructuras químicas específicas que podrían revelar las características de cada compuesto. Los investigadores descubrieron nuevas clases de posibles antibióticos comparando cuidadosamente estas subestructuras entre varias sustancias. En este hallazgo innovador se encontraron dos sustancias químicas no tóxicas con actividad contra MRSA y enterococos resistentes a la vancomicina.
Finalmente, los investigadores realizaron experimentos con ratones para demostrar la eficacia de estos químicos en el tratamiento de infecciones de la piel y los muslos inducidas por MRSA. Según James Collins, coautor del estudio del Broad Institute, sólo unas pocas familias de antibióticos descubiertas recientemente, como las oxazolidinonas y los lipopéptidos, han demostrado eficacia contra MRSA y enterococos resistentes a la vancomicina. Sin embargo, la resistencia a estos químicos está aumentando.
"Nuestro trabajo identifica una nueva clase de antibióticos, una de las pocas en 60 años, que complementa a estos otros antibióticos", afirma.
Relacionado: La Resistencia a Los Antibióticos y Los Avances Actuales
Actualmente, los investigadores están utilizando esta tecnología guiada por IA para desarrollar nuevos antibióticos y descubrir nuevas categorías de medicamentos. Entre ellos se encuentran compuestos diseñados para destruir específicamente las células envejecidas y dañadas implicadas en enfermedades como la osteoartritis y el cáncer.
Los resultados del estudio fueron publicados en la revista Nature.
