Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Articulo Equipos Biomedicos
Articulo Equipos Biomedicos
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.
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.
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".