La IA revela casi un millón de antibióticos potenciales para combatir las superbacterias resistentes a los medicamentos

Los investigadores han descubierto casi un millón de compuestos antibióticos potenciales ocultos en la vasta información genética de los microbios, un avance que podría revolucionar la lucha contra las superbacterias. Este logro, impulsado por inteligencia artificial (IA), marca uno de los mayores esfuerzos de descubrimiento de antibióticos hasta la fecha y ofrece una inmensa esperanza para el futuro de la medicina.

En un descubrimiento innovador, un equipo internacional de científicos ha identificado casi un millón de antibióticos potenciales, lo que promete nuevas esperanzas en la lucha contra la resistencia a los antimicrobianos (RAM). Utilizando el aprendizaje automático, los investigadores analizaron vastos conjuntos de datos genómicos para identificar estos nuevos péptidos antimicrobianos (AMP), que marcan un salto significativo en el descubrimiento de antibióticos.

El poder de la IA en el descubrimiento de antibióticos

El descubrimiento de un nuevo antibiótico utilizando métodos convencionales suele tardar entre 10 y 15 años. Este largo proceso comienza con la identificación de compuestos potenciales y su detección de actividad antimicrobiana. Una vez que se encuentra un candidato prometedor, se somete a pruebas preclínicas en laboratorios y en animales para evaluar su seguridad y eficacia. Si tiene éxito, el antibiótico entrará en varias fases de ensayos clínicos con voluntarios humanos para garantizar que sea eficaz y seguro para uso público. Durante este tiempo, los investigadores trabajan para comprender su mecanismo de acción, posibles efectos secundarios y dosis óptimas. Sólo después de pasar estas rigurosas pruebas y revisiones regulatorias el nuevo antibiótico podrá finalmente llegar al mercado.

Si bien no se puede hacer mucho para acortar los ensayos clínicos, la IA ha demostrado ser una herramienta fantástica para el descubrimiento de fármacos. Estos algoritmos informáticos pueden analizar rápidamente grandes conjuntos de datos de compuestos químicos e identificar candidatos potenciales en una fracción del tiempo que tardan los métodos tradicionales.

Para su nuevo estudio, investigadores de la Universidad Tecnológica de Queensland y la Universidad de Pensilvania utilizaron el aprendizaje automático para analizar los genomas de decenas de miles de bacterias y microorganismos entre sí. Este análisis reveló un tesoro escondido de 863.498 péptidos antimicrobianos candidatos, moléculas con el potencial de matar o inhibir microbios dañinos.

«Creemos que esta es la exploración más grande jamás descrita de datos biológicos como fuente de antibióticos. Es increíblemente emocionante porque abre un gran recurso nuevo para antibióticos potenciales, lo que amplía significativamente nuestras herramientas contra bacterias resistentes. Nos sorprendió gratamente «El gran volumen y diversidad de antibióticos potenciales que descubrimos muestra cuánto potencial hay en información biológica inexplorada, como los datos microbianos», dijo el coautor César de la Fuente-Núñez de la Universidad de Pensilvania. Ciencia ZME.

Una nueva era en la lucha contra las superbacterias

Más del 90% de estos péptidos eran desconocidos hasta ahora. Por lo tanto, para validar estos hallazgos, los investigadores sintetizaron 100 péptidos y los probaron en el laboratorio contra 11 cepas bacterianas de importancia médica, incluidas variedades resistentes a los antibióticos como E. coli y Estafilococo aureus. Sorprendentemente, 63 de estos péptidos destruyeron el crecimiento de al menos un patógeno, y algunos mostraron eficacia en dosis muy bajas.

Sorprendentemente, los péptidos se han mostrado prometedores incluso en modelos preclínicos. Algunas cargas bacterianas se redujeron en ratones hasta cuatro órdenes de magnitud, comparables a los efectos del antibiótico polimixina B. Estos hallazgos indican que estos péptidos recién descubiertos pueden convertirse en herramientas vitales en nuestro arsenal de antibióticos.

“Un momento memorable durante nuestra investigación fue cuando vimos por primera vez que los compuestos descubiertos estaban activos en experimentos reales. Fue un momento de validación de todo el arduo trabajo y sentimos que acabábamos de arañar la superficie de algo monumental», dijo de la Fuente-Núñez.

Los hallazgos también arrojan luz sobre cómo funcionan estos péptidos. La mayoría parece atacar a las bacterias rompiendo sus membranas externas, esencialmente haciendo estallar la célula bacteriana como un globo.

Descubriendo la materia oscura microbiana de la Tierra

El aumento de las superbacterias plantea una grave amenaza para la salud mundial: se estima que la resistencia a los antimicrobianos causa 1,27 millones de muertes cada año. Las proyecciones sugieren que sin nuevos antibióticos, esta cifra podría aumentar a 10 millones de muertes al año para 2050. Esta necesidad urgente de nuevos antibióticos ha llevado a los investigadores a explorar métodos innovadores como la IA para descubrir compuestos antimicrobianos eficaces.

La naturaleza siempre ha sido una fuente prolífica de antibióticos. Las bacterias han desarrollado muchas defensas contra otros microbios, a menudo en forma de proteínas cortas llamadas péptidos. El enfoque de este estudio impulsado por la IA permitió a los investigadores aprovechar la «materia oscura microbiana»: información genética de una amplia gama de entornos, incluidos intestinos humanos y animales, suelo, entornos marinos y más.

Por el contrario, el descubrimiento de la penicilina por Alexander Fleming en 1928 fue un acontecimiento fortuito más que una búsqueda decidida. Fleming notó que el moho, Penicillium notatum, había contaminado una de sus placas de cultivo bacteriano y mató las bacterias circundantes. Esta observación accidental condujo al aislamiento e identificación de la penicilina, el primer antibiótico verdadero.

El descubrimiento tradicional de la penicilina se basó en la observación natural y en cuidadosos procesos manuales. Ahora, el enfoque moderno impulsado por la IA utiliza potencia computacional para explorar la diversidad microbiana a una escala sin precedentes. La IA puede analizar rápidamente información genética de diversos entornos, prediciendo e identificando nuevos candidatos a antibióticos que los investigadores humanos podrían pasar por alto.

Avanzando el descubrimiento

“Los próximos pasos implican pruebas rigurosas en varios modelos preclínicos para garantizar la seguridad y eficacia. Después de eso, tendremos que realizar ensayos clínicos de fase I en humanos, centrándonos en la seguridad. Si tienen éxito, pasaremos a los ensayos de fase II y III para probar más a fondo la eficacia y seguridad en poblaciones humanas más grandes. De manera optimista, pueden pasar entre 5 y 7 años antes de que estos nuevos antibióticos estén disponibles para uso humano, dependiendo de los resultados de cada fase de las pruebas», dijo de la Fuente-Núñez.

El equipo de investigación ha puesto a disposición del público su repositorio, llamado AMPSphere. Esta base de datos de acceso abierto podría cambiar las reglas del juego y proporcionar una gran cantidad de resultados potenciales para los desarrolladores de antibióticos. La esperanza es que, al aprovechar estos datos, se acelere el ritmo del descubrimiento de antibióticos, acercándonos a soluciones efectivas contra las bacterias resistentes.

“Hemos puesto todos estos datos, información y código a disposición de cualquiera de forma gratuita, con la esperanza de hacer avanzar la ciencia y beneficiar a la humanidad. Al poner todos nuestros datos, hallazgos y códigos a disposición de la comunidad científica de forma gratuita, nuestro objetivo es acelerar el descubrimiento y el desarrollo de nuevos antibióticos. Este enfoque colaborativo puede ayudar a los científicos de todo el mundo a aprovechar nuestro trabajo, compartir conocimientos y avanzar más rápido hacia la solución de la crisis de resistencia a los antibióticos. La colaboración y la ciencia abierta son esenciales para abordar este desafío de salud global», dijo de la Fuente-Núñez.

Los hallazgos aparecieron en la revista. Celúla.