DESCUBRIMIENTOS DE NUEVOS

ANTIBIOTICOS A TRAVES DE LA NUEVA

INTELIGENCIA ARTIFICIAL
Potentes antibióticos descubiertos usando IA
El aprendizaje automático detecta moléculas que funcionan incluso contra cepas de
bacterias "no tratables".
Un enfoque pionero de aprendizaje automático ha identificado nuevos y potentes tipos de
antibióticos a partir de un conjunto de más de 100 millones de moléculas, incluido uno que
funciona contra una amplia gama de bacterias, incluida la tuberculosis y las cepas
consideradas intratables.

La resistencia a los antibióticos tiene un

problema de lenguaje.
Los investigadores dicen que el antibiótico, llamado halicina, es el primero descubierto con
inteligencia artificial (IA). Aunque la IA se ha utilizado para ayudar a partes del proceso de
descubrimiento de antibióticos antes, dicen que esta es la primera vez que ha identificado
tipos completamente nuevos de antibióticos desde cero, sin utilizar ninguna suposición
humana previa. El trabajo, dirigido por el biólogo sintético Jim Collins del Instituto de
Tecnología de Massachusetts en Cambridge, se publica en la celda  1 .

El estudio es notable, dice Jacob Durrant, biólogo computacional de la Universidad de

Pittsburgh, Pensilvania. El equipo no solo identificó candidatos, sino que también validó
moléculas prometedoras en pruebas con animales, dice. Además, el enfoque también podría
aplicarse a otros tipos de medicamentos, como los utilizados para tratar el cáncer o las
enfermedades neurodegenerativas, dice Durrant.

La resistencia bacteriana a los antibióticos está aumentando dramáticamente en todo el

mundo, y los investigadores predicen que a menos que se desarrollen nuevos medicamentos
con urgencia, las infecciones resistentes podrían matar a diez millones de personas por año
para 2050 . Pero en las últimas décadas, el descubrimiento y la aprobación regulatoria de
nuevos antibióticos se ha ralentizado. "La gente sigue encontrando las mismas moléculas
una y otra vez", dice Collins. "Necesitamos químicos novedosos con nuevos mecanismos
de acción".
Olvida tus suposiciones
Collins y su equipo desarrollaron una red neuronal, un algoritmo de IA inspirado en la
arquitectura del cerebro, que aprende las propiedades de las moléculas átomo por átomo.

Los investigadores entrenaron su red neuronal para detectar moléculas que inhiben el
crecimiento de la bacteria Escherichia coli , utilizando una colección de 2,335 moléculas
para las cuales se conocía la actividad antibacteriana. Esto incluye una biblioteca de
aproximadamente 300 antibióticos aprobados, así como 800 productos naturales de origen
vegetal, animal y microbiano.

El algoritmo aprende a predecir la función molecular sin suposiciones sobre cómo

funcionan las drogas y sin que se etiqueten los grupos químicos, dice Regina Barzilay,
investigadora de IA del MIT y coautora del estudio. "Como resultado, el modelo puede
aprender nuevos patrones desconocidos para los expertos humanos".

Una vez que el modelo fue entrenado, los investigadores lo usaron para examinar una
biblioteca llamada Drug Repurposing Hub, que contiene alrededor de 6,000 moléculas bajo
investigación para enfermedades humanas. Le pidieron que predijera cuál sería eficaz
contra E. coli y que solo les mostrara moléculas que se vean diferentes de los antibióticos
convencionales.

La resistencia al último antibiótico se ha

extendido más de lo previsto
De los resultados resultantes, los investigadores seleccionaron alrededor de 100 candidatos
para pruebas físicas. Uno de estos, una molécula que se está investigando como tratamiento
para la diabetes, resultó ser un antibiótico potente, al que llamaron halicina después de
HAL, la computadora inteligente en la película 2001: Una odisea del espacio . En pruebas
en ratones, esta molécula fue activa contra un amplio espectro de patógenos, incluida una
cepa de Clostridioides difficile y una de Acinetobacter baumannii que es `` resistente a la
panificación '' y contra la cual se requieren urgentemente nuevos antibióticos.

Bloque de protones
Los antibióticos funcionan a través de una variedad de mecanismos, como el bloqueo de las
enzimas involucradas en la biosíntesis de la pared celular, la reparación del ADN o la
síntesis de proteínas. Pero el mecanismo de Halicin no es convencional: interrumpe el flujo
de protones a través de la membrana celular. En las pruebas iniciales con animales, también
parecía tener baja toxicidad y ser robusto contra la resistencia. En los experimentos, la
resistencia a otros compuestos antibióticos generalmente surge dentro de un día o dos, dice
Collins. "Pero incluso después de 30 días de tales pruebas, no vimos ninguna resistencia
contra la halicina".

Luego, el equipo examinó más de 107 millones de estructuras moleculares en una base de
datos llamada ZINC15. De una lista de 23, las pruebas físicas identificaron 8 con actividad
antibacteriana. Dos de estos tenían una potente actividad contra una amplia gama de
patógenos y podían superar incluso cepas de E. coli resistentes a los antibióticos .

El estudio es "un gran ejemplo del creciente cuerpo de trabajo que utiliza métodos
computacionales para descubrir y predecir propiedades de posibles drogas", dice Bob
Murphy, biólogo computacional de la Universidad Carnegie Mellon en Pittsburgh. Señala
que los métodos de IA se han desarrollado previamente para extraer enormes bases de datos
de genes y metabolitos para identificar tipos de moléculas que podrían incluir nuevos
antibióticos 2 , 3 .

Pero Collins y su equipo dicen que su enfoque es diferente: en lugar de buscar estructuras
específicas o clases moleculares, están entrenando a su red para buscar moléculas con una
actividad particular. El equipo ahora espera asociarse con un grupo o compañía externa
para incorporar la halicina a los ensayos clínicos. También quiere ampliar el enfoque para
encontrar más antibióticos nuevos y diseñar moléculas desde cero. Barzilay dice que su
último trabajo es una prueba de concepto. "Este estudio lo reúne todo y demuestra lo que
puede hacer".

doi: 10.1038 / d41586-020-00018-3