fbpx

La inteligencia artificial posibilita el descubrimiento de nuevos antibióticos contra bacterias multirresistentes

Utilizando deep learning, investigadores del MIT identificaron por primera vez, luego de más de 60 años, una nueva clase de candidatos a antibióticos

Una nueva clase de antibióticos para la bacteria Staphylococcus aureus resistente a meticilina (Methicillin Resistant Staphylococcus aureus / MRSA) se ha descubierto utilizando un tipo de inteligencia artificial conocido como deep learning.

El uso de la inteligencia artificial (Artificial Intelligence/AI) ahora abre la posibilidad de conseguir la formulación de los primeros antibióticos nuevos luego de 60 años de ausencia de compuestos realmente innovadores.

En un estudio de un equipo de 21 investigadores publicado en Nature, se demostraró que estos compuestos podrían matar Staphylococcus aureus resistente a la meticilina (Methicillin Resistant Staphylococcus aureus / MRSA) cultivado in vitro en una placa de laboratorio y en dos modelos de infección en ratón por MRSA. Los compuestos también muestran una toxicidad muy baja contra las células humanas, lo que los convierte en buenos candidatos a fármacos. Las infecciones por MRSA pueden variar desde infecciones cutáneas leves hasta afecciones más graves y potencialmente mortales, como neumonía e infecciones del torrente sanguíneo.

El equipo detrás del proyecto utilizó un modelo de deep learning para predecir la actividad y toxicidad del nuevo compuesto. El deep learning implica el uso de redes neuronales artificiales para aprender y representar automáticamente características a partir de datos sin programación explícita. Se aplica cada vez más para acelerar la identificación de posibles fármacos candidatos y predecir sus propiedades.

Para crear los datos de entrenamiento, se evaluó la actividad antibiótica de aproximadamente 39.000 compuestos contra MRSA. Posteriormente, se introdujeron en el modelo tanto los datos resultantes como los detalles sobre las estructuras químicas de los compuestos.

Para refinar la selección de fármacos potenciales, los investigadores emplearon tres modelos adicionales de deep learning. Estos modelos fueron entrenados para evaluar la toxicidad de compuestos en tres tipos distintos de células humanas.

Con la integración de las predicciones de toxicidad con la actividad antimicrobiana, se pudieron identificar compuestos capaces de combatir eficazmente la bacteria y con reducida toxicidad para el organismo humano.

Utilizando esta colección de modelos, se examinaron alrededor de 12 millones de compuestos, todos los cuales estban disponibles comercialmente. A partir de esa colección, los modelos identificaron cinco clases diferentes de compuestos, según las subestructuras químicas de las moléculas, que se predijo que serían activos contra MRSA. Luego se ensayaron alrededor de 280 compuestos seleccionados contra MRSA cultivado en una placa de laboratorio, lo que les permitió identificar dos, de la misma clase, que parecían ser candidatos a antibióticos muy prometedores. En pruebas en dos modelos de ratón, uno de infección cutánea por MRSA y otro de infección sistémica por MRSA, cada uno de esos compuestos redujo la población de MRSA en un factor de 10.

Cuando se descubrió por primera vez, MRSA se consideraba una infección nosocomial. Sin embargo, desde finales de la década de 1980, se ha documentado la aparición y difusión mundial del MRSA adquirido en la comunidad. Las infecciones por MRSA se asocian con un aumento significativo en la mortalidad y la duración de la estancia hospitalaria post-infección. En 2019, se han atribuido más de 100.000 muertes a la resistencia a los antimicrobianos en todo el mundo, y el MRSA representa una gran proporción de estas muertes.