Editorial Ciencia, 11 jun (EFE).- La resistencia a los antibióticos es un problema de salud pública y ‘resucitar’ moléculas gracias a tecnologías punteras se ha convertido en una vía prometedora. Ahora, un nuevo estudio muestra que el aprendizaje profundo se puede utilizar para extraer proteínas de todos los organismos extintos, incluidos los mamuts.
Los resultados se publican este martes en la revista Nature Biomedical Engineering, en un artículo liderado por el español César de la Fuente, de la Universidad de Pensilvania, en Estados Unidos.
“La resistencia a los antimicrobianos es una de las mayores amenazas de nuestro tiempo y se necesitan con urgencia nuevos antibióticos. Hoy informamos del descubrimiento impulsado por la inteligencia artificial (IA) de decenas de miles de -potenciales- antibióticos en organismos extintos”, resume De the Source en su cuenta X.
La desextinción molecular tiene como objetivo resucitar moléculas para resolver la resistencia a los antibióticos y otros problemas biológicos y biomédicos actuales.
Gracias al aprendizaje automático, el laboratorio de De la Fuente ha descubierto las primeras moléculas terapéuticas en organismos extintos, iniciando -según informa el grupo en su web- el campo de la desextinción molecular.
“Creemos que resucitar moléculas del pasado puede ayudar a resolver problemas actuales, como la resistencia a los antibióticos. De hecho, la biología de la resurrección es un campo emergente que tiene como objetivo devolver a la vida cadenas de moléculas y organismos más complejos con el objetivo final de beneficiar a la humanidad”.
En el nuevo artículo, el equipo de la Universidad de Pensilvania muestra que el aprendizaje profundo se puede utilizar para extraer los proteomas (un grupo de proteínas producidas por un organismo) de todos los organismos extintos disponibles para el descubrimiento de péptidos antibióticos.
Para ello, según explica el científico, y acelerar el descubrimiento, desarrollaron un nuevo modelo de IA llamado APEX, gracias al cual se han descubierto ‘con éxito’ numerosos compuestos antibióticos en criaturas del pasado, como el mamut lanudo.
Este modelo es la culminación de varios años de trabajo, basado en décadas de investigaciones previas sobre métodos de secuenciación de material genético antiguo.
Y su laboratorio había explorado previamente los proteomas de nuestros parientes más cercanos, los neandertales y los denisovanos. “Identificamos moléculas de antibióticos en humanos modernos y antiguos, incluidos los neandertales. Esto nos llevó a plantear la hipótesis de que moléculas similares podrían conservarse a lo largo de la evolución”, afirma.
Para explorar esta hipótesis, los investigadores tuvieron que pasar de extraer varios proteomas a cientos a la vez, y para ello tuvieron que desarrollar un método más potente.
Así nació APEX, “nuestro nuevo modelo de inteligencia artificial diseñado para analizar todos los organismos extintos conocidos por la ciencia: el ‘extinctoma’”, detalla en un hilo del X César de la Fuente.
Los investigadores entrenaron conjuntos de modelos de aprendizaje profundo para la predicción de la actividad antimicrobiana y los utilizaron para extraer 10.311.899 péptidos.
Los modelos predijeron 37.176 secuencias con actividad antimicrobiana de amplio espectro, 11.035 de las cuales no se encontraron en organismos existentes.
El equipo sintetizó 69 péptidos (aminoácidos de cadena corta) y confirmó experimentalmente su actividad contra patógenos bacterianos. La mayoría de los péptidos mataron a las bacterias al “despolarizar” su membrana citoplasmática, al contrario de los péptidos antimicrobianos conocidos, que tienden a atacar la membrana externa, escriben los autores en su artículo.
En particular, los compuestos principales (incluido mamutusina-2 del mamut lanudo; elefasina-2 del elefante de colmillos rectos; hidrodamina-1 de la antigua vaca marina; milodonina-2 del perezoso gigante; y megalocerina-1 de la extinta alce gigante) mostró actividad antiinfecciosa en ratones con abscesos cutáneos o infecciones en los muslos.
“Muchos de estos compuestos fueron eficaces tanto ‘in vitro’ como en dos modelos preclínicos de ratón, con una actividad comparable a la del antibiótico polimixina B”, afirma el investigador, que la semana pasada publicó en la revista Cell, junto con científicos del Universidad Tecnológica de Queensland (Australia), una investigación que identificó, con ayuda de la IA, casi un millón de fuentes potenciales de antibióticos en la naturaleza.
La extinción molecular ayudada por el aprendizaje profundo puede acelerar el descubrimiento de moléculas terapéuticas, concluyen los autores en su artículo Nature Biomedical Engineering.
“Las moléculas descubiertas por APEX (…) son ahora candidatas a antibióticos preclínicos. Nuestro trabajo con IA ha acelerado drásticamente el descubrimiento de antibióticos: ¡ahora se pueden hacer años de trabajo en horas! dice en la red social.
