Un grupo de científicos estadounidenses se apoyó de un modelo de Inteligencia Artificial (IA) para identificar nuevos candidatos a antibióticos que pueden matar a la resistente bacteria: Staphylococcus aureus resistente a la meticilina.
¿Contra qué bacterias funcionan los antibióticos?
Se encontraron dos compuestos “muy prometedores” capaces de eliminar el Staphylococcus aureus resistente a la meticilina (SARM), una bacteria que causa infecciones mortales, según un estudio publicado en la revista Nature,
“De estas clases estructurales de compuestos, uno es selectivo contra SARM y enterococos resistentes a la vancomicina, evade una resistencia sustancial y reduce los títulos bacterianos en modelos murinos de infección sistémica de la piel y del muslo por SARM.”.
Fragmento del estudio publicado en “Nature”
Esto demuestra que los modelos de Inteligencia Artificial en el descubrimiento de fármacos “pueden ser explicables, proporcionando información sobre las subestructuras químicas que subyacen a la actividad antibiótica selectiva“.
¿Cómo ayudó la Inteligencia Artificial a este hallazgo?
Los investigadores liderados por James Collins usaron aprendizaje profundo -un método de IA– para averiguar qué tipo de información estaba utilizando el modelo para hacer sus predicciones de antibióticos potenciales.
- Este conocimiento podría ayudar a la comunidad científica a diseñar fármacos adicionales que podrían funcionar incluso mejor que los identificados por el modelo, según establece el MIT en un comunicado.
“La idea era poder ver lo que aprendían los modelos para hacer sus predicciones de que ciertas moléculas serían buenas para antibióticos”
James Collins, autor de la investigación
Por otro lado, los científicos entrenaron su modelo de aprendizaje profundo utilizando conjuntos de datos sustancialmente ampliados, con datos de miles de compuestos, además de información sobre sus estructuras químicas.
Así se aplicó la IA para ayudar al desarrollo de antibióticos
El algoritmo usado en la investigación es conocido como “árbol de búsqueda Monte Carlo“. Este se ha utilizado para ayudar a que otros sistemas de aprendizaje profundo, como AlphaGo, sean más explicables, según dice la revista Forbes.
- El Monte Carlo Tree Search (MCTS) es un metodo para toma optima de decisiones en problemas de IA. Combina la generalidad de simulaciones aleatorias con la precisión de una búsqueda en el árbol de posibilidades, según la Universidad Complutense de Madrid (UCM).
El uso de este algoritmo permitió al modelo generar una estimación de la actividad antimicrobiana de cada molécula y predijo qué subestructuras del compuesto probablemente explican esa actividad.
Los investigadores entrenaron otros tres modelos de aprendizaje profundo para predecir si los compuestos eran tóxicos para tres tipos diferentes de células humanas.
Una posible nueva línea de defensa contra Staphylococcus aureus
El estudio se fijó en aproximadamente 280 compuestos y los probaron contra el Staphylococcus aureus resistente a la meticilina cultivado en una placa de laboratorio. Esto les permitió identificar dos que parecían ser candidatos antibióticos muy prometedores.
El SARM, que infecta cada año a más de 80 mil personas en Estados Unidos, suele causar infecciones cutáneas o neumonía, según los Institutos Nacionales de Salud (NIH, por sus siglas en inglés).
- Los casos graves pueden provocar la muerte, con afecciones al torrente sanguíneo, los pulmones, el corazón, los huesos y las articulaciones, según la Clínica Mayo.
En las pruebas realizadas en dos modelos de ratón, uno de infección cutánea y otro de infección sistémica, cada uno de esos compuestos redujo la población de SARM.
El estudio forma parte del Proyecto Antibióticos-AI del MIT, que dirige Collins. Su misión es descubrir nuevas clases de este tipo de fármacos contra siete tipos de bacterias mortales, en siete años, aproximadamente en 2030.
