Nueva clase de antibióticos descubierta utilizando inteligencia artificial

Un algoritmo de aprendizaje profundo ayudó a identificar nuevos compuestos que son eficaces contra infecciones resistentes a los antibióticos en ratones, abriendo la puerta al descubrimiento de fármacos guiado por IA.

La resistencia a los antibióticos es una de las mayores amenazas globales para la salud humana.

Fue directamente responsable de aproximadamente 1,27 millones de muertes en 2019 y contribuyó a casi cinco millones más.

El problema no hizo más que empeorar durante la pandemia de COVID.

Y desde hace décadas no se han desarrollado nuevas clases de antibióticos.

Ahora investigadores informan que han utilizado inteligencia artificial para descubrir una nueva clase de candidatos a antibióticos.

Un equipo del laboratorio de James Collins del Instituto Broad del Instituto de Tecnología de Massachusetts y la Universidad de Harvard utilizó un tipo de IA conocido como aprendizaje profundo para detectar la actividad antibiótica de millones de compuestos.

Luego probaron 283 compuestos prometedores en ratones y encontraron varios que eran efectivos contra Staphylococcus aureus resistente a la meticilina (MRSA) y enterococos resistentes a la vancomicina, algunos de los patógenos más difíciles de matar.

A diferencia de un modelo típico de IA, que funciona como una “caja negra” inescrutable, fue posible seguir el razonamiento de este modelo y comprender la bioquímica detrás de él.

El desarrollo se basa en investigaciones previas de este grupo y otros, incluido el trabajo de César de la Fuente, profesor asistente en el departamento de psiquiatría de la Facultad de Medicina Perelman de la Universidad de Pensilvania, y sus colegas.

Es un área de investigación que ni siquiera era un campo hasta hace cinco años.

El objetivo principal es utilizar la IA para el descubrimiento y diseño de antibióticos.

También implementaron nociones de “IA explicable”, lo cual es interesante, porque cuando pensamos en aprendizaje automático y aprendizaje profundo, los consideramos cajas negras.

Es interesante empezar a incorporar la explicabilidad en algunos de los modelos y que aplican la IA a la biología y la química.

Los autores pudieron encontrar un par de compuestos que parecían reducir la infección en modelos de ratón.

La IA y las máquinas en general pueden extraer estructuras de forma sistemática y muy rápida o cualquier tipo de conjunto de datos que les proporciones.

Si se piensa en el proceso tradicional de descubrimiento de antibióticos, se necesitan alrededor de 12 años para descubrir un nuevo antibiótico, y entre tres y seis años para descubrir cualquier candidato clínico.

Luego hay que pasarlos a los ensayos clínicos de fase I, fase II y fase III.

Ahora, con las máquinas, hemos podido acelerar eso.

Se pueden descubrir en cuestión de horas miles o cientos de miles de candidatos preclínicos en lugar de tener que esperar de tres a seis años.

Al utilizar el aprendizaje profundo en este caso, el equipo pudo clasificar millones de compuestos químicos para identificar una pareja que parecía prometedora.

Sería muy difícil hacerlo manualmente.

Fuente: Scientific American