Investigadores del Instituto Tecnológico de Massachusetts (MIT) han empleado la inteligencia artificial, específicamente el aprendizaje profundo, para identificar una nueva categoría de compuestos con la capacidad de combatir una bacteria particularmente resistente a los tratamientos convencionales. Esto supone un descubrimiento que no sólo abre nuevas vías para el tratamiento de infecciones resistentes a los medicamentos, sino que también demuestra el enorme potencial del aprendizaje profundo en la resolución de algunos de los problemas médicos más complejos de nuestra era.
El Staphylococcus aureus es una bacteria patógena que coloniza las superficies mucosas y la piel de aproximadamente el 30% de los seres humanos, y contribuye a una amplia gama de infecciones que van desde simples abscesos en la piel hasta el síndrome de shock tóxico, que puede ser mortal. Se trata de una bacteria responsable de más de 10.000 muertes anuales en los Estados Unidos, presentando un desafío crítico en el campo de la medicina moderna.
Los científicos han comprobado la eficacia de estos compuestos en la eliminación de la bacteria Staphylococcus aureus resistente a la meticilina (MRSA), tanto en cultivos de laboratorio como en dos modelos experimentales de infección por MRSA en ratones. Además, estos compuestos han demostrado poseer una baja toxicidad en células humanas, lo cual los destaca como excelentes candidatos para el desarrollo de nuevos medicamentos.
Un aspecto crucial de esta investigación es la capacidad de los científicos para entender qué datos específicos el modelo de aprendizaje profundo estaba analizando para prever la eficacia de los antibióticos. Este avance abre la puerta a la creación de fármacos aún más efectivos que los que el modelo ya ha identificado.
"Lo que logramos fue descifrar exactamente qué estaba aprendiendo el modelo para pronosticar qué determinadas moléculas serían antibióticos efectivos"
"Lo que logramos fue descifrar exactamente qué estaba aprendiendo el modelo para pronosticar qué determinadas moléculas serían antibióticos efectivos. Nuestra investigación ofrece una metodología que no solo economiza tiempo y recursos, sino que también proporciona una comprensión detallada de la estructura química de estos compuestos de una manera nunca antes vista", explica James Collins, profesor de Ingeniería y Ciencias Médicas de Termeer en el Instituto de Ingeniería y Ciencias Médicas (IMES) y el Departamento de Ingeniería Biológica del MIT.
Felix Wong, postdoctorado en el Instituto de Ingeniería Médica y Ciencia (IMES) y el Broad Institute del MIT y Harvard, junto con Erica Zheng, exalumna de posgrado de la Facultad de Medicina de Harvard bajo la tutela de Collins, encabezan como autores principales de este estudio, que forma parte del ambicioso Proyecto Antibióticos-IA en el MIT, cuyo objetivo es descubrir nuevos tipos de antibióticos para combatir siete variedades de bacterias letales en un período de siete años.
Cada año, más de 80,000 personas en los Estados Unidos son infectadas por MRSA, un patógeno que frecuentemente causa infecciones de la piel y neumonía, y en casos graves, puede conducir a sepsis, una infección letal del torrente sanguíneo.
Inicialmente, los investigadores entrenaron un modelo de aprendizaje profundo con un conjunto de datos ampliado. Generaron estos datos probando unos 39.000 compuestos para determinar su actividad contra MRSA, y luego incorporaron estos datos, junto con información sobre las estructuras químicas de los compuestos, al modelo.
"Nuestro enfoque mejorado de aprendizaje profundo nos permitió predecir esta nueva clase estructural de antibióticos y descubrir que no son tóxicos para las células humanas"
Para entender cómo el modelo realizaba sus predicciones, los investigadores adaptaron un algoritmo conocido como búsqueda de árbol de Monte Carlo, usado previamente para hacer más explicables otros modelos de aprendizaje profundo, como AlphaGo. Este algoritmo de búsqueda permite que el modelo no solo estime la actividad antimicrobiana de cada molécula, sino también prediga qué subestructuras de la molécula podrían ser responsables de dicha actividad.
Finalmente, los experimentos mostraron que estos compuestos parecen matar las bacterias alterando su capacidad para mantener un gradiente electroquímico a través de sus membranas celulares, esencial para funciones celulares críticas como la producción de ATP (moléculas usadas por las células para almacenar energía). Un candidato a antibiótico descubierto anteriormente por el laboratorio de Collins, la halicina, parece funcionar con un mecanismo similar, aunque es específica para bacterias gramnegativas (con paredes celulares delgadas). Por otro lado, MRSA es una bacteria Gram positiva, con paredes celulares más gruesas.
"Tenemos evidencia sólida de que esta nueva clase estructural es efectiva contra patógenos grampositivos al disipar selectivamente la fuerza motriz de los protones en las bacterias", señala Wong. "Estas moléculas atacan selectivamente las membranas celulares bacterianas de manera que no causan daños significativos en las membranas humanas. Nuestro enfoque mejorado de aprendizaje profundo nos permitió predecir esta nueva clase estructural de antibióticos y descubrir que no son tóxicos para las células humanas".
"Ya estamos aplicando enfoques similares basados en subestructuras químicas para diseñar compuestos de novo y, por supuesto, podemos adaptar fácilmente este método para descubrir nuevas clases de antibióticos contra diferentes patógenos", concluye Wong.