En un laboratorio innovador en Filadelfia, los científicos usan inteligencia artificial (IA) para acelerar el descubrimiento de nuevos antibióticos. El núcleo de esta innovación es un robot que puede producir conexiones moleculares a partir de algoritmos que anteriormente existían exclusivamente como datos digitales. Algunas de estas conexiones tienen neumáticos ancestrales intrigantes que se inspiran genética en los mamuts lanudos y los neandertales.
La urgencia de este trabajo proviene de la creciente amenaza de la resistencia a los antibióticos (AMR), que reclama la vida en todo el mundo y se espera que mate a millones de más en las próximas décadas. A pesar de los extensos esfuerzos, la industria farmacéutica no ha introducido antibióticos de nueva clase en décadas, dejando una brecha considerable en la cartera de candidatos para medicamentos viables.
César de la Fuente, Ph.D., profesor de la universidad presidencial de la Universidad de Pensilvania, enfatiza la idea de que la biología puede verse como una forma de información. Al utilizar esta perspectiva, los investigadores pueden crear algoritmos para explorar el código biológico, lo que puede revelar candidatos antibióticos efectivos. Sin embargo, transformar estos candidatos digitales en terapias prácticas aún requiere una inversión sustancial de tiempo y recursos.
Históricamente, el descubrimiento de antibióticos ha causado un trabajo de campo difícil, donde los científicos buscan conexiones antimicrobianas en entornos naturales. Este tiempo de consumo de tiempo lucha contra la imprevisibilidad, porque la efectividad de los antibióticos potenciales también debe tener en cuenta su interacción con los huéspedes humanos.
Los métodos actuales, como las pantallas con alto rendimiento, ayudan a acelerar el proceso de descubrimiento de los medicamentos, pero a menudo son costosos, requieren mucho tiempo y limitados en su capacidad para abordar desafíos microbianos complejos, en particular contra las bacterias gramnegativas. A la luz de estas limitaciones, la IA se ha convertido en un aliado invaluable, con tecnología de aprendizaje automático (ML) con la que los investigadores pueden privar en grandes conjuntos de datos e identificar candidatos a antibióticos prometedores.
Al llevar modelos ML con datos sobre conexiones previamente probadas, los investigadores pueden limitar considerablemente los candidatos potenciales, para que puedan concentrar sus esfuerzos experimentales en las opciones más prometedoras. Este nuevo enfoque facilita un nivel de exploración que anteriormente era inalcanzable, de modo que los científicos incluso permitieron investigar materiales biológicos antiguos para nuevos antibióticos.
El laboratorio Van de la Fuente es un ejemplo de esta estrategia innovadora, por la cual el aprendizaje automático se utiliza para buscar datos genómicos y proteómicos de una amplia gama de organismos. Su trabajo ha identificado con éxito péptidos antimicrobianos de especies extintas y existentes, algunos de los cuales han demostrado efectividad contra las bacterias virulentas como Acinetobacter baumannii en ambientes de laboratorio.
Además de perseguir fuentes orgánicas antiguas, los investigadores también se aventuran en el imperio de generar candidatos antibióticos completamente nuevos. Mediante el uso de técnicas de modelado generativo, los científicos pueden instruir a los sistemas de IA que propongan nuevas estructuras moleculares que aún no se han sintetizado. Aunque el potencial para crear conexiones innovadoras es enorme, todavía hay desafíos para garantizar que estas moléculas virtuales puedan ser factibles en un laboratorio.
A pesar del prometedor progreso que es facilitado por la IA, los expertos advierten que el viaje del descontento antibiótico hasta la aplicación clínica sigue cargada de desafíos. Muchos candidatos prometedores fallan durante los estudios clínicos por razones como la toxicidad, y los incentivos financieros a menudo son insuficientes para apoyar el desarrollo de antibióticos, un dilema impulsado por la baja rentabilidad de estos medicamentos después de la comercialización.
Por lo tanto, el éxito futuro de los nuevos antibióticos no es solo en el progreso tecnológico, sino también en el sólido apoyo financiero de los gobiernos y las fuentes filantrópicas para navegar por el amplio proceso de desarrollo de medicamentos. Esto creará los conjuntos de datos de capacitación estandarizados de alta calidad que proporcionan información a la IA, de modo que sus predicciones se traducen en soluciones clínicas efectivas.
Los investigadores enfatizan que, aunque la IA sirve una herramienta poderosa en este esfuerzo, superando la inminente amenaza de AMR, en última instancia, los esfuerzos humanos y el ingenio requieren en cada fase del desarrollo de antibióticos, desde el descubrimiento inicial hasta la implementación final.
 to accelerate the discovery of new antibiotics. At the heart of){kind=link}