Un gallego lidera un estudio que descubre en unas horas casi un millón de antibióticos nuevos a través de la inteligencia artificial
Ha identificado miles de péptidos con potencial antimicrobiano en 200 especies desaparecidas hace miles de años utilizando inteligencia artificial. En pruebas preclínicas han demostrado una eficacia similar a un tratamiento que se utilizan actualmente en los hospitales
"La resistencia a los antibióticos y las superbacterias son, actualmente, de las mayores amenazas a las que se enfrenta la humanidad". Es lo primero que nos dice el investigador César de la Fuente. Por ello, avanzar en este campo es la principal misión del laboratorio que dirige este coruñés de 38 años afincado en EEUU.
"Lo que hemos hecho es analizar toda la materia microbiana que hay en la tierra, que procede del suelo, los océanos, el intestino humano, es decir, de absolutamente cualquier parte, utilizando un algoritmo", explica De la Fuente. "Toda esa información sobre microorganismos que está secuenciada genéticamente por otros estudios previos, la aprovechamos y la examinamos utilizando la inteligencia artificial", continúa el investigador que dirige este estudio publicado en la revista Cell.
900.000 antibióticos en apenas unas horas
Los resultados son absolutamente impresionantes. A través de la IA, este equipo ha podido identificar casi 900.000 moléculas con potencial antibiótico en apenas unas horas. Si el número impresiona, el tiempo más si cabe. “Hasta ahora podía llevarnos años identificar 1 o 2 moléculas”, asegura este profesor de la Universidad de Pensilvania. De esta manera se ha logrado acelerar el descubrimiento de una forma nunca vista. “No tiene precedentes en la historia de la ciencia”.
Una vez descubiertas estas casi 900.000 moléculas antibióticas, el siguiente paso es llevarlas al laboratorio y ponerse manos a la obra. Pero, obviamente, dado el volumen, hay que hacerlo poco a poco. “Elegimos 100 moléculas, las más representativas, y esas son las que sintetizamos en el laboratorio”, explica el investigador. En este segundo paso, tocaba demostrar su efectividad contra patógenos resistentes a los medicamentos. Una vez más, los resultados son más que esperanzadores.
"Quedan casi un millón para sintetizar"
“El 79% de ellas fueron capaces de matar una bacteria”, explica el que es uno investigadores más destacados en su ámbito y que acaba de ingresar en la Real Academia Galega de Farmacia. Los ensayos, además, se han realizado con las bacterias más peligrosas para nuestra sociedad.
Y si hasta el momento el estudio es completamente revolucionario, lo que queda por delante augura muchos más éxitos. “Quedan casi un millón para sintetizar”, expone el científico, “Nuestro laboratorio no lo puede hacer solo porque sería demasiado caro y nos llevaría demasiado tiempo”. ¿Qué significa esto? Pues que los científicos del mundo disponen ahora de una gran cantidad de material antibiótico a su disposición listo para ser estudiado. Enhorabuena.
https://www.antena3.com/noticias/ciencia/gallego-lidera-estudio-que-descubre-horas-casi-millon-antibioticos-nuevos-traves-inteligencia-artificial_202406116667e4718fd52100010bc38a.html?so=so%3Asour-twitter%3Acn-antena3noticias
11 jun 2024 . Actualizado a las 13:26 h.
¿Se tomaría un antibiótico procedente de la molécula de un mamut o de un perezoso gigante extinto hace 8.000 años? Puede que dentro de unos años, quizás no demasiados, ni siquiera se plantee esta pregunta porque igual es la única opción que tiene para salvar la vida ante la creciente resistencia de las superbacterias a los tratamientos convencionales, un auténtico problema de salud pública que ya causa 1,7 millones de muertes anuales en el mundo, cifra que podría elevarse a 10 millones en el 2050 si no aparecen nuevas alternativas.
Resucitar moléculas del pasado ayudados por la inteligencia artificial para hacer frente a la más que probable emergencia sanitaria del futuro es la opción que se ha planteado el Machine Biology Group de la Universidad de Pensilvania dirigido por el investigador gallego César de la Fuente Núñez. Una alternativa revolucionaria que ensayaron primero en una prueba de concepto con neandertales y denisovanos, nuestros primos hermanos, y para la que ahora han redoblado la apuesta en un nuevo campo abierto a la ciencia que han denominado desextinción molecular. Han explorado todos los organismos extintos conocidos por la ciencia (extintoma), desde el Pleistoceno al Holoceno, un trabajo que les ha permitido identificar 37.176 péptidos con potencial actividad antimicrobiana, de los que 11.035 no existen en ningún organismo vivo en la actualidad.
De ellos se han sintetizado cien moléculas que son una réplica biológica exacta de las que existían en estos animales en el pasado. Estos compuestos se probaron posteriormente in vitro para probar su eficacia y diez de ellas, las más prometedoras, en dos modelos preclínicos de ratón. Los resultados son más que satisfactorios y suponen una prueba real de que esta estrategia para desarrollar nuevos antibióticos es más que prometedora.
Los resultados se han publicado en la revista científica Nature Biomedical Engineering. En total se han rastreado con una herramienta de aprendizaje profundo los proteomas de 208 especies extintas cuya secuencia proteómica está disponible en los bancos públicos de investigación.
Las moléculas con mayor actividad antimicrobiana provienen del mamut, la mamutusina 2; del un antiguo elefante, la elefantina; de un perezoso gigante que había descrito Darwin; de una vaca marina y de un alce gigante. Son ya candidatos a antibióticos preclínicos.
«La mamutusina y la elefasina son dos ejemplos en los que su eficacia fue similar a la polimixina B, un antibiótico que se usa de forma convencional en los hospitales», explica De la Fuente Núñez, quien destaca que «jamás nadie hasta el momento había explorado esto como una fuente de moléculas».
Un dato sorprendente lo supone el hecho de que la exploración del extintoma para identificar potenciales antimicrobianos se realizó en solo en doce horas, cuando el tiempo medio con los métodos tradicionales para lograr candidatos preclínicos es de seis años.
Superar este enorme desafío fue posible gracias al desarrollo, prácticamente desde cero, de un nuevo modelo computacional de inteligencia artificial, denominado APEX, que fue entrenado por los científicos para escanear los proteomas de los animales extintos e identificar en sus secuencias aquellas moléculas con potencial terapéutico. «El algoritmo —señala el director del laboratorio— lo que hace es escanear cada proteína. Es como un código de barras enorme que lo escanea y, de repente, predice, que esta parte roja puede ser un antibiótico. En doce horas acabó la exploración del extintoma. Es tremendo».
«Este modelo de aprendizaje profundo ha permitido el descubrimiento de un mundo completamente nuevo de antibióticos mediante la exploración de todos los organismos extintos conocidos por la ciencia», destacan los investigadores en el artículo.
Una vez identificado el código de la molécula queda otra parte no menos importante del trabajo: sintetizarla. Para ellos se utilizan robots químicos que crean la secuencia deseada, una réplica exacta de la original que es la que se utiliza para probar su eficacia en modelos in vitro y en animales.
«Así es cómo hemos podido resucitarlas», destaca el biotecnólogo gallego, que asegura que «muchas de las moléculas que hemos encontrado son bastante diferentes a todo lo que está presente en el mundo biológico de hoy». Este matiz no es menor, porque significa que las superbacterias no están adaptadas a estos nuevos enemigos, con los que nunca se habían encontrado, por lo que ofrecerán teóricamente una menor resistencia.
La desextinción molecular es un campo totalmente nuevo, pero no el uso de la inteligencia artificial para acelerar el desarrollo de antibióticos preclínicos. El equipo de César de la Fuente ya había identificado miles de moléculas con potencial terapéutico en el proteoma humano y, más recientemente, en un artículo publicado en Cell hace una semana, descubrieron casi un millón de péptidos antimicrobianos en más de 60.000 metagenomas (una colección de genomas dentro de un entorno específico), que en conjunto contenían la composición genética de más de un millón de organismos naturales.
Sin embargo, devolver a la vida a proteínas de animales que llevan miles de años desaparecidos de la Tierra es un paso mucho más ambicioso, no exento también de un debate ético. La pregunta que se hizo el propio César de la Fuente Núñez fue la siguiente: «¿Qué significa a nivel bioético traer de vuelta a la vida moléculas que, dentro de lo que no sabemos, no están presentes en la naturaleza de hoy». De hecho, antes de llevar a cabo su trabajo realizaron consultas con expertos en la materia, que no presentaron objeciones. «Nosotros -dice el biotecnólogo- no resucitamos secuencias que pueden autorreplicarse, como priones. Los riesgos son mínimos, porque hablamos de moléculas, no de organismos biológicos vivos, pero, aún así, hacemos todo paso a paso, con cuidado. Lo más importante para mi es innovar, pero de manera responsable».
César de la Fuente también expresa una esperanza: «Que la biología del pasado nos ayude a entender la biología del presente y, quizás, a predecir la del futuro».
https://www.lavozdegalicia.es/noticia/sociedad/2024/06/10/investigador-gallego-resucita-moleculas-animales-extintos-crear-nuevos-antibioticos/00031718031518827715786.htm?utm_source=twitter&utm_medium=referral&utm_campaign=twgen
De la Fuente resucita moléculas de mamut e outros animais extintos para crear antibióticos
O biotecnólogo galego publica un estudo no que atopa decenas de miles de novos candidatos para combater a resistencia aos antimicrobiano
https://www.gciencia.com/investigacion/de-la-fuente-resucita-moleculas-animais-extintos-antibioticos/
https://www.abc.es/ciencia/cientifico-espanol-resucita-moleculas-mamut-crear-antibioticos-20240611162539-nt.html#vca=rrss&vmc=abc-es&vso=tw&vli=cm-ciencia
https://notistecnicas.blogspot.com/2024/06/revolucionando-la-busqueda-de.html
https://notistecnicas.blogspot.com/2024/05/asi-se-crean-antibioticos-con.html
https://notistecnicas.blogspot.com/2024/06/desvelado-el-mayor-catalogo-de-nuevas.html
En pocos años, morir de la frecuente neumonía bacteriana o de una común infección podría ser habitual. De todas las amenazas que afronta la humanidad, una de las 10 principales es la resistencia a los antibióticos, según la Organización Mundial de la Salud (OMS). De acuerdo con los datos de su grupo especializado (IACG, por sus siglas en inglés), las enfermedades farmacorresistentes podrían causar más de 10 millones de muertes anuales en 2050, más del doble que ahora. El biotecnólogo español César de la Fuente, investigador principal del laboratorio que lleva su nombre, también conocido como grupo Machine Biology de la Universidad de Pensilvania, lleva más de una década rebuscando, con ayuda de la inteligencia artificial y el aprendizaje profundo (deep learning), nuevas moléculas a las que los microorganismos no hayan aprendido aún a sobrevivir. Las ha encontrado, y resucitado, en nuestros antepasados neandertales y denisovanos. Ahora, según publica Nature Biomedical Engineering, en animales extintos, como el mamut. Una carrera contra el reloj en la que todo puede esconder una solución, desde las especies desaparecidas hasta la materia oscura microbiana, microorganismos que han dejado material genético en cualquier medio, pero que aún no se han cultivado en laboratorio.
De seguir como hasta ahora el ritmo de generación de resistencias a los antibióticos, la salud de la humanidad retrocederá un siglo, hasta la era previa a la penicilina. Impedir este gigantesco paso atrás es la misión de César de la Fuente y su laboratorio.
El hallazgo de compuestos con potencial antibiótico en neandertales y denisovanos les abrió la puerta a traspasar la frontera de lo existente y buscar en especies desaparecidas. “Nos animó a preguntarnos: ¿por qué no explorar todos los animales, todos los organismos extintos disponibles para la ciencia?”, explica De la Fuente, considerado uno de los 10 principales investigadores del mundo.
La clave ha sido la tecnología, cuya fusión con la biología permite desvelar mundos hasta ahora ocultos o ya desaparecidos. “Para poder explorar cientos de proteomas [conjunto completo de proteínas elaboradas por un organismo] al mismo tiempo, hemos tenido que desarrollar un modelo de inteligencia artificial más poderoso que el usado anteriormente. Creamos un modelo de deep learning que aúna lo último de la inteligencia artificial y de machine learning [aprendizaje automático] basado en redes neuronales”, detalla el investigador, que bautizó el sistema como APEX (Antibiotic Peptide de-Extinction o Desextinción de Péptidos Antibióticos).
“Nos permitió explorar organismos a lo largo de la historia evolutiva, incluidos los periodos del pleistoceno y el holoceno. Investigamos muchísimas especies, desde pingüinos extinguidos al mamut o el perezoso gigante que Charles Darwin descubrió en una de sus expediciones a la Patagonia”, relata.
De ese ingente trabajo se extrajo un total de 10.311.899 péptidos (cadenas cortas de aminoácidos vinculados por uniones químicas) y se identificaron 37.176 secuencias con actividad antimicrobiana de amplio espectro. Casi un tercio de ellas (11.035) no se encuentran en organismos existentes. “Como estamos trayendo de vuelta a la vida moléculas que existieron hace miles de años, las bacterias patógenas contemporáneas jamás las han visto y lo más probable es que no tengan mecanismos de resistencia”, explica.
Muchas de las secuencias han demostrado eficacia antimicrobiana in vitro (cajas de cultivo o placas de Petri) y algunas han sido capaces de matar bacterias patógenas contemporáneas en modelos de ratón de relevancia preclínica con una eficacia equiparable a la de antibióticos disponibles hoy y con dosis menores. Se han probado con accesos de piel e infecciones profundas del muslo.
Su origen, hasta ahora desconocido, ha obligado al equipo a desarrollar incluso una terminología nueva. En el caso del antepasado extinto del elefante, la pequeña proteína descubierta se denomina mamutsina; la procedente del Mylodon darwinii (el antepasado del perezoso descubierto por Darwin), mylodonina; y equusina es la hallada en la cebra actual y en sus antepasados.
El equipo también ha experimentado con la combinación de varias moléculas de una misma especie o de dos similares (mamut y elefante antiguo) por si potenciaban su actividad antimicrobiana frente a la proteína singular. También falta por observar si los microorganismos desarrollan resistencia a estos nuevos compuestos y en cuánto tiempo. “Está en la lista”, precisa De la Fuente.
“Este trabajo, nos permite ir al pasado y encontrar secuencias diferentes, una diversidad de moléculas que nos pueden ayudar a hacer frente a la resistencia a los antibióticos y, quizás, a otros problemas. Siempre pensamos en el ADN para explorar la vida, pero este trabajo propone empezar a usar moléculas como fuentes de información evolutiva, para ver cómo progresaron o qué tipo de mutaciones ocurrieron a lo largo del tiempo, para aprender más sobre nuestro propio sistema inmune y, quizás, predecir cómo va a evolucionar”, concluye.
El siguiente paso es formalizar con compañías farmacéuticas acuerdos y superar el nivel preclínico en modelos de ratón para pasar a ensayos en humanos o incluso crear una compañía surgida del laboratorio de César de la Fuente para culminar lo conseguido a nivel académico.
Luis Ostrosky, jefe de enfermedades infecciosas y epidemiología en UTHealth Houston (University of Texas Health Science Center) y ajeno a las investigaciones de De la Fuente, alaba la línea emprendida ante una emergencia que considera real. “Estamos en un tiempo de la historia de la medicina muy peligroso porque la resistencia antimicrobiana aumenta. En la práctica médica cotidiana encontramos infecciones que no son tratables con los antibióticos que existen ahora y eso es gravísimo porque la medicina depende del uso de antibióticos para cosas tan rutinarias como cirugías, terapias o trasplantes. Estamos llegando a la era posantibiótica, cuando ya no tendremos recursos que funcionen y estamos buscando nuevos constantemente”.
Estamos llegando a la era posantibiótica, cuando ya no tendremos recursos que funcionen y estamos buscando nuevos constantementeLuis Ostrosky, jefe de enfermedades infecciosas y epidemiología en UTHealth Houston
En este sentido, el investigador, formado en la Universidad Nacional Autónoma de México, defiende todas las líneas de búsqueda. “Los mejores antibióticos que hemos tenido en la historia de la medicina vienen de la naturaleza”, resalta para indicar hallazgos en plantas, insectos y otros animales, como el tiburón. “Este tipo de investigación [la del César de la Fuente Lab] siempre me ha parecido muy interesante. Estamos viendo en especies extintas antibióticos que no han estado presentes en la naturaleza en miles o millones de años, por lo que no han sufrido la presión evolutiva”, señala
Ostrosky resalta que es una carrera permanente que cuenta con una dificultad añadida: “Los antibióticos no son un buen negocio para la industria farmacéutica porque generalmente sus cursos son muy cortos: los pacientes se curan rápido y en la industria farmacéutica el dinero está en las enfermedades crónicas. Constantemente vemos que salen del mercado después de 10 años y vuelven a entrar y a salir. Necesitamos un otro tipo de incentivos que nos den la seguridad de tener antibióticos que vamos a necesitar en el futuro”.
El especialista señala apoyos gubernamentales, que ya se han puesto en marcha en Europa y Estados Unidos, o un “modelo de suscripción” para que las compañías no dependan tanto de las ventas y que suponga un incentivo fijo. “Hay muchos modelos económicos, pero, en este momento, definitivamente, necesitamos un cambio de forma de pensar en la industria farmacéutica”. En este sentido, aboga por que la Organización Mundial de la Salud tome un papel más activo y en la colaboración de las agencias norteamericana y europea.
Defiende esta necesidad porque considera “atinada” y “realista” la alerta de la OMS. “Si no se actúa, podemos ver un mundo donde no sería seguro hacerse una cirugía o administrar quimioterapia, que reduce las defensas de los pacientes. Desgraciadamente, no es infrecuente tener conversaciones sobre el fin de la vida con algunos pacientes que tienen infecciones que no son tratables”.
https://elpais.com/ciencia/2024-06-11/la-inteligencia-artificial-resucita-moleculas-del-mamut-para-crear-antibioticos.html?utm_medium=social&utm_campaign=echobox&utm_source=Twitter#
Es un auténtico arsenal terapéutico descubierto en un universo de microbios, un territorio prácticamente inexplorado hasta ahora. Justamente ahí, en la zona oscura del microbioma global, el conjunto de microorganismos —virus, bacterias y hongos— y sus secuencias genéticas caracterizados por la ciencia, se han identificado cerca de un millón de moléculas (863.498) con potencial antibiótico que incluso pueden ser efectivas para tratar las infecciones provocadas por las temidas superbacterias resistentes a los tratamientos convencionales.
Si el hallazgo es de por sí sorprendente, lo es aún más el tiempo que se ha empleado en sacarlas a la luz. Si en condiciones normales los investigadores pueden tardar años en descubrir un antibiótico con un posible potencial terapéutico, en este caso el trabajo se ha hecho en horas mediante un sistema de inteligencia artificial de aprendizaje profundo. Es la prueba definitiva que demuestra que la IA es ya más una realidad que una promesa en el campo de la microbiología.
El estudio, que se publica en la revista Cell, ha sido dirigida por el científico gallego César de la Fuente Núñez, responsable del Machine Biology Group en la Universidad de Pensilvania (EE.UU.) en colaboración con el laboratorio de Luis Pedro-Coelho en el Centro de Investigación del Microbioma de la Universidad Tecnológica de Queensland.
Los investigadores utilizaron el aprendizaje automático profundo para examinar 63.410 metagenomas —el conjunto de genes microbianos conocidos— y 87.920 genomas microbianos descritos por la ciencia y accesibles en las bases públicas. Por medio de esta intensa exploración computacional, realizada en horas, pudieron identificar 863.498 moléculas con potencial antibiótico, la mayoría de las cuales no se conocían con anterioridad.
De ellas, los científicos seleccionaron a cien, que se probaron tanto en cultivos in vitro como en un modelo ratón preclínico para demostrar su efectividad contra patógenos resistentes a los medicamentos. Y en todos los casos se demostró una alta eficacia, por lo que los laboratorios de todo el mundo tienen ahora a su disposición la posibilidad de trabajar con estas moléculas para desarrollar nuevos antibióticos, algo especialmente importante en un momento en el que se ha constatado un aumento de las infecciones resistentes a las terapias actuales, lo que se ha convertido en un problema de salud global apremiante.
«De las moléculas antibióticas identificadas, sintetizamos cien que eran las que nuestros resultados nos indicaban que podían ser más potentes y efectivas. Pero todavía queda casi un millón para caracterizar y sintetizar, aunque nuestro laboratorio no lo puede hacer por sí solo porque sería demasiado caro y nos llevaría demasiado tiempo», explica César de la Fuente. Es, en todo caso, un arsenal terapéutico que podrían explorar otros científicos.
Cien compuestos seleccionados
Los cien compuestos seleccionados finalmente probaron su efectividad en superbacterias, aquellas que ofrecen una mayor resistencia a los antibióticos actuales. Es el caso de la Staphylococus aureus, la Acenitobacter baumannii, la Pseudomonas aeruginosa y la E-Colli.
«Las bacterias contra las que ensayamos las moléculas son las más peligrosas para nuestra sociedad, las que matan a más gente», destaca De la Fuente Núñez, uno de los investigadores más influyentes del mundo en su campo y que ingresó hace unos días en la Real Academia Galega de Farmacia.
El biotecnólogo está convencido de que la exploración del microbioma con inteligencia artificial aún podrá aportar más sorpresas en el futuro. «El mundo microbiano —dice— tiene un montón de cosas que nunca hemos explorado y que esto es un ejemplo de lo que se puede encontrar ahí». Y prueba también el enorme potencial del aprendizaje profundo. En este caso, el algoritmo fue desarrollado y entrenado por los miembros del Machine Biology Group de la Universidad de Pensilvania para identificar en un rastreo las regiones del microbioma con posibilidades terapéuticas.
«Los hallazgos —según se constata en el artículo publicado en Cell— revelan una amplia variedad de secuencias antimicrobianas novedosas, subrayando el potencial de la inteligencia artificial y el aprendizaje automático para identificar antimicrobianos tan necesarios y abriendo nuevas vías para el descubrimiento de antibióticos».
«Creemos que esta investigación —añaden los autores del trabajo— podría ser un avance significativo en la lucha contra la resistencia a los antibióticos».
Para la OMS, la resistencia a los antimicrobianos es ya una de las diez principales amenazas de salud pública a las que se enfrenta la humanidad, por lo que ha urgido en numerosas ocasiones a buscar nuevas alternativas. Y ahora se ha encontrado un tesoro por explorar.
https://www.lavozdegalicia.es/noticia/sociedad/2024/06/05/inteligencia-artificial-descubre-horas-milon-nuevas-moleculas-antibioticas/00031717598072880154734.htm
César de la Fuente Núñez: «Las superbacterias son realmente una pandemia silenciosa»
https://www.lavozdegalicia.es/noticia/sociedad/2022/05/10/superbacterias-realmente-pandemia-silenciosa/0003_202205G10P24991.htm
AI used to predict potential new antibiotics in groundbreaking study
Scientists used an algorithm to mine ‘the entirety of the microbial diversity’ on Earth, speeding up antibiotic resistance research
A new study used machine learning to predict potential new antibiotics in the global microbiome, which study authors say marks a significant advance in the use of artificial intelligence in antibiotic resistance research.
The report, published Wednesday in the journal Cell, details the findings of scientists who used an algorithm to mine the “entirety of the microbial diversity that we have on earth – or a huge representation of that – and find almost 1m new molecules encoded or hidden within all that microbial dark matter”, said César de la Fuente, an author of the study and professor at the University of Pennsylvania. De la Fuente directs the Machine Biology Group, which aims to use computers to accelerate discoveries in biology and medicine.
Without such an algorithm, de la Fuente said, scientists would have had to use traditional methods like collecting water and soil to find molecules within those samples. That can be challenging because microbes are everywhere – from the ocean to the human gut.
“It would have taken many, many, many, many years to do that, but with an algorithm, we can sort through vast amounts of information, and it just speeds up the process,” de la Fuente said.
The research is urgent to public health, the author said, because antimicrobial resistance caused more than 1.2 million deaths in 2019. That number could increase to 10 million deaths annually by 2050, according to the World Health Organization (WHO).
While de la Fuente said he sees the study, which produced the “largest antibiotic discovery effort ever”, as a watershed moment in the potential benefits of artificial intelligence for research, he acknowledged that bad actors could potentially “develop AI models to design toxins”.
He said his laboratory has implemented safeguards to store them and ensure molecules are not able to self-replicate. Notably, biosecurity safeguards were not necessary for this study because these were “inert molecules”.
While artificial intelligence has become a hot-button issue in recent years, de la Fuente said he started using AI in antibiotics research about a decade ago.
“We have been able to just accelerate the discovery of antibiotics,” de la Fuente said. “So instead of having to wait five, six years to come up with one candidate, now, on the computer, we can, in just a few hours, come up with hundreds of thousands of candidates.”
Before the US Food and Drug Administration approves an antibiotic, it typically undergoes years of study through laboratory research and clinical trials. These various stages can take 10 to 20 years.
For this study, the researchers collected genomes and meta-genomes stored in publicly available databases and looked for DNA snippets that could have antimicrobial activity. To validate those predictions, they used chemistry to synthesize 100 of those molecules in the laboratory and then test them to determine if they could actually kill bacteria, including “some of the most dangerous pathogens in our society”, de la Fuente said.
79% of the molecules, which were representative of the 1m molecules discovered, could kill at least one microbe – meaning they could serve as a potential antibiotic.
Antibiotic resistance is an increasing concern because of the misuse and overuse of antimicrobials in humans, animals and plants, according to the WHO.
The study authors have made this data and code freely available for anyone to access with the goal of “advancing science and benefiting humanity”, de La Fuente said.
He hopes that his team and other researchers will conduct additional investigation on the top candidates for potential antibiotic drugs. “Then if that goes well, it will go to phase one clinical trials, but we’re still far from that,” he said.
This is not the first study in biology that made significant use of AI. Google DeepMind recently released the latest version of AlphaFold, a program that predicts how proteins will interact with other molecules and ions, which could produce breakthroughs in fields as varied as cancer therapy and crop resilience.
Lisa Messeri, an anthropologist of technology at Yale University, said that machine learning and AI are “certainly excellent for some projects in science”, but not for all.
“We simply ask that researchers and research programs continue to be thoughtful about when they choose to apply these methods and not curtail projects that don’t necessarily require the use of these much-hyped and focused-on tools,” she said.
Some have raised the concerns about AI, including that it could replace humans in certain jobs – specifically in conducting scientific research.
De la Fuente argues AI will involve a collaboration between humans and machines.
Anthony Gitter, a University of Wisconsin-Madison associate professor of biostatistics and medical informatics who uses machine learning in biological experiments, says the “significance of the advance” in the Cell paper “was due to top-tier bioinformatics research as opposed to automated science enabled by AI”.
“The importance of this research is that it successfully harnesses widespread microbial genomic data, uses machine learning to identify candidate antimicrobial peptides and extensively studies those predicted peptides computationally and experimentally to show why they are valuable,” Gitter said.
https://www.theguardian.com/society/article/2024/jun/05/ai-antibiotic-resistance
No hay comentarios:
Publicar un comentario