Un poderoso antibiótico fue identificado con inteligencia artificial
La halicina es activa contra bacterias altamente resistentes a otros antibióticos.
Un equipo de Harvard-MIT utilizó machine learning para identificar una molécula que parece capaz de contrarrestar numerosos patógenos: la halicina.
A medida que las superbacterias resistentes a los antibióticos existentes se han extendido ampliamente, los avances se están volviendo tan raros como nuevos lugares para excavar.
Ahora, la inteligencia artificial está dando las herramientas para descubrir nuevos antibióticos que probablemente no se parezcan en nada a los ya conocidos y que pueden ser moléculas que ya se usaban para otras funciones.
El aprendizaje automático o automático o machine learning, es el estudio de algoritmos y modelos estadísticos que utilizan los sistemas informáticos para realizar una tarea específica sin usar instrucciones explícitas, sino que se basan en patrones e inferencia. El machine learning es una parte de la inteligencia artificial.
Pero el aprendizaje profundo por sí solo no es suficiente para descubrir nuevos antibióticos. Debe combinarse con un profundo conocimiento biológico de las infecciones.
Un equipo de Harvard-MIT (Massachusset Institute of Technology) utilizó el aprendizaje automático para identificar una molécula que parece capaz de contrarrestar numerosos patógenos: la halicina. Sorprendentemente, la halicina, estructuralmente distinta de los antibióticos existentes, es un medicamento que se está explorando para tratar la diabetes. La molécula fue activa contra numerosos patógenos, incluidos Mycobacterium tuberculosis y Clostridiodes difficile, dos bacterias que causan enfermedades graves. En particular, la halicina también fue activa contra Acinetobacter baumanni multirresistente a antibióticos. Esta bacteria encabeza la lista de patógenos más letales compilada por los CDC (Centers for Diseases Control and Prevention).
Con machine learning, es posible identificar funciones de estructuras químicas que en el pasado no se pensó que podrían ser antibióticos. Cuando el machine learning se combina con la biología, puede acelerar el trabajo preclínico. Los modelos de inteligencia artificial también pueden predecir la toxicidad de los medicamentos y los efectos secundarios.
Es apremiante el desarrollo de nuevos antibióticos, porque la falta de incentivos económicos ha provocado que las compañías farmacéuticas se retiren de la búsqueda de nuevas drogas. Según los CDC, en los EE. UU., se producen anualmente más de 2.8 millones de infecciones y 35.000 muertes por bacterias y hongos resistentes a los antimicrobianos.
La plataforma utilizada por el MIT se basa en una red neuronal profunda, un tipo de arquitectura de inteligencia artificial que utiliza múltiples capas de procesamiento para analizar diferentes aspectos de los datos para entregar una respuesta. Es parte de una nueva generación de sistemas de aprendizaje automático que pueden aprender automáticamente las propiedades químicas conectadas a una función específica, como la capacidad de matar bacterias.
La red neuronal pudo aislar moléculas que se pronosticaba que tenían cualidades antibacterianas pero que no se parecían a los antibióticos existentes, lo que resultó en la identificación de la halicina.
Sin embargo, los patógenos siempre han desarrollado resistencia. Por lo tanto, la capacidad de identificar moléculas con propiedades antibióticas específicas reduciendo los tiempos y costos de la etapa preclínica, sin duda tendrá un gran impacto en la lucha contra la resistencia a los antibióticos.