Descubiertos potentes antibióticos mediante inteligencia artificial
El aprendizaje automático detecta las moléculas que funcionan incluso contra cepas de bacterias resistentes.
- Jo MarchantDoctora en genética y microbiología médica, es periodista científica. Ha sido editora en New Scientist y Nature, y ha publicado trabajos en The New York Times y The Guardian, entre otros medios de comunicación.
- https://www.investigacionyciencia.es/noticias/descubiertos-potentes-antibiticos-mediante-inteligencia-artificial-18359?utm_source=Facebook&utm_medium=Social&utm_campaign=fb&fbclid=IwAR2qWsP9h1UiAyKJJSLQhp_nTkChLPbh4iBoFXILcvqPWqKgRUlyabS01K4
- Retos en el desarrollo de fármacos
- La explosión del aprendizaje profundo en biología
- Aprendizaje profundo
- Una nueva forma de generar antibióticos más eficaces
Con la nueva estrategia de aprendizaje automático se ha identificado una molécula eficaz contra las cepas patógenas de Escherichia coli. [iStock-Dr_Microbe]
Una estrategia avanzada
de aprendizaje automático ha permitido hallar nuevos y potentes
antibióticos a partir de un conjunto de más de 100 millones de
moléculas. Uno de ellos actúa contra una amplia gama de bacterias, como
la responsable de la tuberculosis y otros patógenos considerados
intratables.
Los investigadores comentan que el antibiótico en cuestión, denominado halicina, es el primero que se descubre mediante inteligencia artificial (IA). Aunque la IA ya se había empleado antes en algunas partes del proceso de descubrimiento de antibióticos, es la primera vez que ha identificado tipos nuevos de antibióticos desde cero, sin utilizar ninguna suposición humana previa. El trabajo, dirigido por el biólogo sintético Jim Collins, del Instituto Tecnológico de Massachusetts en Cambridge, se ha publicado en Cell.
Se trata de un estudio notable,
opina Jacob Durrant, biólogo computacional de la Universidad de
Pittsburgh, en Pensilvania. El equipo no solo ha identificado moléculas
con potencial terapéutico, sino que también ha validado los compuestos
prometedores en experimentos con animales. Además, el enfoque podría
aplicarse también a otros tipos de medicamentos, como los destinados a
tratar el cáncer o las enfermedades neurodegenerativas, explica Durrant.
La resistencia bacteriana a los antibióticos está aumentando drásticamente en todo el mundo, y los investigadores prevén que, a menos que se desarrollen pronto nuevos medicamentos, las infecciones resistentes llegarán a matar diez millones de personas al año en 2050. Sin embargo, en las últimas décadas el descubrimiento y la autorización de nuevos antibióticos se han ralentizado. «Se siguen encontrando las mismas moléculas una y otra vez», apunta Collins. «Necesitamos sustancias nuevas con mecanismos de acción novedosos.»
-
Olvidemos nuestras suposiciones
Collins y su equipo han desarrollado una red neuronal —un algoritmo de IA inspirado en la arquitectura del cerebro— que aprende las propiedades de las moléculas átomo por átomo.
Referencia: «A deep learning approach to antibiotic discovery». Jonathan M. Stokes et al. en Cell, vol. 180, n.º 4, págs. 688-702, febrero de 2020.
-
Los investigadores comentan que el antibiótico en cuestión, denominado halicina, es el primero que se descubre mediante inteligencia artificial (IA). Aunque la IA ya se había empleado antes en algunas partes del proceso de descubrimiento de antibióticos, es la primera vez que ha identificado tipos nuevos de antibióticos desde cero, sin utilizar ninguna suposición humana previa. El trabajo, dirigido por el biólogo sintético Jim Collins, del Instituto Tecnológico de Massachusetts en Cambridge, se ha publicado en Cell.
También te puede interesar
La resistencia bacteriana a los antibióticos está aumentando drásticamente en todo el mundo, y los investigadores prevén que, a menos que se desarrollen pronto nuevos medicamentos, las infecciones resistentes llegarán a matar diez millones de personas al año en 2050. Sin embargo, en las últimas décadas el descubrimiento y la autorización de nuevos antibióticos se han ralentizado. «Se siguen encontrando las mismas moléculas una y otra vez», apunta Collins. «Necesitamos sustancias nuevas con mecanismos de acción novedosos.»
-
Olvidemos nuestras suposiciones
Collins y su equipo han desarrollado una red neuronal —un algoritmo de IA inspirado en la arquitectura del cerebro— que aprende las propiedades de las moléculas átomo por átomo.
Los investigadores entrenaron la red neuronal para que detectara moléculas que inhibieran el crecimiento de la bacteria Escheria coli.
Para ello utilizaron un conjunto de 2335 moléculas que se sabía que
tenían actividad antibacteriana, incluidos unos 300 antibióticos
autorizados y 800 compuestos de origen vegetal, animal y microbiano.
El algoritmo aprende a predecir la función molecular sin ninguna
suposición de cómo actúan los medicamentos y sin que se etiqueten los
grupos químicos, comenta Regina Barzilay, investigadora de IA en el MIT y
coautora del estudio. «Como resultado, el modelo puede aprender nuevos
patrones que son desconocidos para los expertos humanos.»
Después de entrenar al modelo, los investigadores lo utilizaron para
que examinara una biblioteca llamada Drug Repurposing Hub, que contiene
unas 6000 moléculas que se están investigando para las enfermedades
humanas. Le pidieron que predijera cuáles resultarían eficaces contra E. coli, y que les mostrara solo aquellas que le parecieran distintas de los antibióticos clásicos.
De esas moléculas, los autores seleccionaron unas 100 para someterlas
a las pruebas físicas. Una de ellas (que se está investigando en la
actualidad para tratar la diabetes) resultó ser un eficaz antibiótico.
La denominaron halicina en honor a HAL, la computadora inteligente de la
película 2001: Una odisea del espacio. En los experimentos que
se realizaron con ratones, esta molécula se mostró activa contra un
amplio espectro de patógenos, incluida una cepa de Clostridioides difficile y otra de Acinetobacter baumannii, que es panresistente y contra la cual se necesitan con urgencia nuevos antibióticos.
Un obstáculo a la entrada de protones
Los antibióticos funcionan a través de una serie de mecanismos:
inhiben las enzimas involucradas en la biosíntesis de la pared celular,
la reparación del ADN o la síntesis de proteínas. Pero el mecanismo de
la halicina resulta inusual, ya que interrumpe el flujo de protones a
través de la membrana celular. Además, en los primeros ensayos con
animales, mostró una baja toxicidad y una gran robustez frente a la
resistencia. En los experimentos, la resistencia a otros compuestos
antibióticos suele surgir al cabo de uno o dos días, explica Collins.
«Pero incluso después de 30 días de tales pruebas, no observamos que
apareciera ninguna resistencia contra la halicina.»
El equipo examinó entonces más de 107 millones de estructuras
moleculares en una base de datos llamada ZINC15. De una lista
preseleccionada de 23, las pruebas físicas identificaron 8 con actividad
antibacteriana. Dos de ellas tenían una potente actividad contra una
amplia gama de patógenos, e incluso podían vencer a cepas de E. coli resistentes a los antibióticos.
El estudio constituye «un gran ejemplo de la creciente labor que se
realiza con métodos computacionales para descubrir y predecir las
propiedades de posibles fármacos», declara Bob Murphy, biólogo
computacional de la Universidad Carnegie Mellon, en Pittsburgh. Señala
que los métodos de IA ya se han desarrollado antes para analizar enormes
bases de datos de genes y metabolitos e identificar moléculas que
podrían corresponder a nuevos antibióticos.
Pero Collins y su equipo explican que su enfoque es diferente: en
lugar de buscar estructuras específicas o clases moleculares, entrenan a
su red para que identifique moléculas con una actividad particular. El
equipo espera ahora asociarse con un grupo o compañía externa para
llevar la halicina a los ensayos clínicos. También quiere ampliar su
estrategia para encontrar más antibióticos nuevos y diseñar moléculas
desde cero. Barzilay apunta que su último trabajo es un estudio
demostrativo preliminar.
Jo MarchantReferencia: «A deep learning approach to antibiotic discovery». Jonathan M. Stokes et al. en Cell, vol. 180, n.º 4, págs. 688-702, febrero de 2020.
Contenidos relacionados
Contenidos relacionados
No hay comentarios:
Publicar un comentario