Los científicos descubren los primeros antibióticos nuevos en más de 60 años utilizando IA

El uso de la inteligencia artificial (IA) está demostrando ser un punto de inflexión en lo que respecta a la medicina y la tecnología ahora ayuda a los científicos a desbloquear los primeros antibióticos nuevos en 60 años.

El descubrimiento de un nuevo compuesto que puede matar una bacteria resistente a los medicamentos que mata a miles de personas cada año en todo el mundo podría ser un punto de inflexión en la lucha contra la resistencia a los antibióticos.

“La idea aquí fue que pudimos ver lo que estaban aprendiendo los modelos para hacer sus predicciones de que ciertas moléculas serían buenos antibióticos”, dijo James Collins, profesor de Ingeniería y Ciencias Médicas en el Instituto Tecnológico de Massachusetts (MIT) y uno de los de los autores del estudio, dijo en un comunicado.

“Nuestro trabajo proporciona un marco que ahorra tiempo y recursos y es mecanísticamente revelador, desde el punto de vista de la estructura química, de una manera que no hemos tenido hasta la fecha”.

Los resultados fueron publicados en Naturaleza y en coautoría de un equipo de 21 investigadores.

Estudio destinado a ‘abrir la caja negra’

El equipo detrás del proyecto utilizó un modelo de aprendizaje profundo para predecir la actividad y toxicidad del nuevo compuesto.

El aprendizaje profundo 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 en el descubrimiento de fármacos para acelerar la identificación de posibles fármacos candidatos, predecir sus propiedades y optimizar el proceso de desarrollo de fármacos.

En este caso, los investigadores se centraron en el Staphylococcus aureus resistente a la meticilina (MRSA).

Las infecciones por MRSA pueden variar desde infecciones cutáneas leves hasta afecciones más graves y potencialmente mortales, como neumonía e infecciones del torrente sanguíneo.

Cada año se producen casi 150.000 infecciones por MRSA en la Unión Europea mientras que casi 35.000 personas mueren anualmente en el bloque a causa de infecciones resistentes a los antimicrobianos, según el Centro Europeo para la Prevención y el Control de Enfermedades (ECDC).

El equipo de investigadores del MIT entrenó un modelo de aprendizaje profundo ampliamente ampliado utilizando conjuntos de datos ampliados.

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.

“Lo que nos propusimos hacer en este estudio fue abrir la caja negra. Estos modelos consisten en una gran cantidad de cálculos que imitan conexiones neuronales, y nadie sabe realmente qué sucede debajo del capó”, dijo Felix Wong, un postdoctorado. en el MIT y Harvard y uno de los autores principales del estudio.

Descubriendo un nuevo compuesto

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

Al integrar estas predicciones de toxicidad con la actividad antimicrobiana determinada previamente, los investigadores identificaron compuestos capaces de combatir eficazmente los microbios con un daño mínimo para el cuerpo humano.

Utilizando este conjunto de modelos, se analizaron aproximadamente 12 millones de compuestos disponibles comercialmente.

Los modelos identificaron compuestos de cinco clases diferentes, categorizados según subestructuras químicas específicas dentro de las moléculas, que exhibieron actividad prevista contra MRSA.

ANUNCIO

Posteriormente, los investigadores adquirieron alrededor de 280 de estos compuestos y realizaron pruebas contra MRSA en un laboratorio. Este enfoque los llevó a identificar dos candidatos a antibióticos prometedores de la misma clase.

En experimentos con dos modelos de ratón, uno para la infección cutánea por MRSA y otro para la infección sistémica por MRSA, cada uno de estos compuestos redujo la población de MRSA en un factor de 10.