Durante años, los médicos han enfrentado un desafío formidable en la lucha contra las bacterias que han desarrollado resistencia creciente a los antibióticos existentes. Sin embargo, investigadores del MIT están liderando un avance innovador utilizando aprendizaje profundo para identificar una nueva clase de compuestos que podría cambiar el rumbo de esta batalla en curso. En un estudio revolucionario publicado en Nature, estos investigadores descubrieron compuestos capaces de eliminar eficazmente el temido MRSA (Staphylococcus aureus resistente a meticilina) en entornos de laboratorio, mostrando al mismo tiempo baja toxicidad hacia las células humanas. Esta característica prometedora los posiciona como candidatos potenciales para nuevos medicamentos.
El MRSA causa infecciones a más de 80,000 estadounidenses anualmente, y las infecciones graves pueden llevar a complicaciones de salud severas, como la sepsis, una condición potencialmente mortal caracterizada por intoxicación en la sangre. Para abordar esta preocupación urgente de salud pública, el equipo de investigación del MIT entrenó un sofisticado modelo de aprendizaje profundo utilizando datos robustos generados a partir de las pruebas de 39,000 compuestos en relación a su actividad antibiótica contra el MRSA. Complementaron este conjunto de datos con información detallada sobre las estructuras químicas de estos compuestos, lo que permitió al modelo identificar candidatos a fármacos potenciales.
Para afinar aún más su búsqueda, los investigadores desarrollaron tres modelos adicionales de aprendizaje profundo que predecían cuáles compuestos podrían ser tóxicos para las células humanas. Este enfoque multifacético les permitió identificar compuestos que pueden eliminar eficazmente el MRSA sin representar riesgos para la salud humana. Aprovechando estos modelos de IA, el equipo examinó la asombrosa cifra de 12 millones de compuestos disponibles comercialmente, aislando aquellos que pertenecen a cinco clases distintas predichas como efectivas contra el MRSA. Después de este cribado de alto rendimiento, dos candidatos prometedores emergieron a través de rigurosas pruebas de laboratorio.
La investigación está liderada por Felix Wong del MIT y Harvard, junto con Erica Zheng, graduada de la Escuela de Medicina de Harvard. Este trabajo forma parte del Antibiotics-AI Project en el laboratorio Collins del MIT, que busca desarrollar siete nuevas clases de antibióticos dirigidos a algunas de las bacterias más mortales del mundo.
Los superbugs objetivo incluyen:
- E. coli
- Klebsiella pneumoniae
- Acinetobacter baumannii
- Pseudomonas aeruginosa
- Neisseria gonorrhoeae
- Staphylococcus aureus
- Mycobacterium tuberculosis
El laboratorio se compromete a crear una biblioteca de entrenamiento completa de 100,000 compuestos, que serán analizados contra estos siete patógenos para identificar moléculas activas. Estos datos invaluables servirán para seguir entrenando modelos de aprendizaje automático aplicados a vastas bibliotecas basadas en computadora que contienen más de mil millones de moléculas, con el objetivo final de descubrir y diseñar nuevos antibióticos.
De acuerdo con los Centros para el Control y la Prevención de Enfermedades, un estadounidense es diagnosticado con una infección resistente a medicamentos cada 11 segundos, y se produce una muerte cada 15 minutos debido a estas infecciones. El uso indebido generalizado de antibióticos en humanos y animales ha exacerbado este problema, llevando a una crisis global en la resistencia a los antibióticos. El laboratorio enfatiza la urgente necesidad de nuevos antibióticos, destacando que las compañías farmacéuticas han cambiado su enfoque en gran medida de esta área crítica en favor de mercados más rentables. Los antibióticos que se están desarrollando a través de este proyecto representarían las primeras nuevas clases en más de tres décadas, subrayando la apremiante necesidad de innovación en este campo.
Clasificación
