Inteligencia Artificial contra Superbacterias: El combate definitivo

¡Buenos días carbonian@s! Es mi responsabilidad, en estos calurosos días, escribir la última carbonoticia de esta temporada, antes de tomarnos las vacaciones veraniegas. Por desgracia, estas vacaciones parecen venir marcadas, como los últimos meses, por las noticias que nos llegan sobre la COVID-19. A pesar de que las cosas parecen más claras que hace unos meses, todavía tenemos momentos de oscuridad, como los temidos rebrotes. Pero, poco a poco, vamos avanzando en el conocimiento de esta enfermedad y de las posibles soluciones.

Creo que todos conocemos, al menos de oídas, los avances en las vacunas. Existen diferente aproximaciones y estudios, entre ellos los de Moderna®, que recientemente ha entrado en fase tres de los ensayos clínicos, o la filial de la Universidad de Oxford, con resultados también prometedores. Igualmente, hace unos días leía una noticia en la que explicaban cómo se estaban investigando fármacos conocidos (antivirales de VIH y malaria, tratamientos contra enfermedades autoinmunes, tales como lupus, o anticancerígenos, etc…) para tratar a los pacientes de esta enfermedad. Quizá el fármaco más sonado es la clorquina o hidroxicloquina, debido a la promoción que han hecho determinadas personas. (OJO: La OMS no recomienda el uso de este medicamento para el tratamiento del coronavirus [1]) De los 12,000 fármacos conocidos que se están estudiando, según la noticia, sólo 13 de ellos obtienen resultados prometedores. Puede parecer poco, pero ahora os voy a explicar un caso tanto o más peliagudo que la lucha contra el COVID-19, también conocido como SARS-CoV-2 [2].




Figura 1. Representación de la proteina ACE2, receptor funcional en las superficies celulares tanto para el SARS-CoV como para el SARS-CoV-2. Fuente: https://es.m.wikipedia.org/wiki/Archivo:Protein_ACE2_PDB_1r42.png

Leyendo esa noticia, recordé un artículo que había leído pocas semanas después de realizar mi primera entrada en este blog. Creo que hoy por hoy tenemos claro que la inteligencia artificial (IA) es una realidad. Cada día se están dedicando más recursos al desarrollo de algoritmos que se aplican en la vida diaria y, sobretodo, se está realizando en todos los ámbitos. Hay investigadores que hacen IA para detección precoz de enfermedades o para realizar una predicción para la evolución de una enfermedad. En este caso, el propósito del artículo al que me refiero era presentar la Halicina como el primer antibiótico encontrado gracias a la inteligencia artificial para combatir las superbacterias [3].

No, no has leído mal. Sí, la inteligencia artificial también sirve para esto.

En primer lugar, puntualizar la importancia de este hallazgo. No, no desde la inteligencia artificial, sino desde la biología. Desde los años 70, más o menos, se han desarrollado muy pocos antibióticos y la cronología de resistencia a los mismos, por parte de las bacterias, es algo fascinante [4]. Durante los últimos años, el uso de antibiótico para determinadas enfermedades (ojo, los antibióticos sólo deben utilizarse para infecciones bacterianas y no víricas, como la COVID) ha creado esos monstruos resistentes a este tipo de medicamentos que se han llamado superbacterias [5]. Las superbacterias son un peligro. Según la Organización Mundial de la Salud (OMS) hay 12 familias de bacterias resistentes a uno u otro tipo de antibióticos y, por lo tanto, son las más peligrosas para la salud humana [6]. Por ello, era necesario y urgente encontrar nuevos fármacos para combatirlas.

Desarrollar nuevos fármacos suele ser largo y requerir muchos recursos. De este modo, también se están haciendo esfuerzos para eliminar cierta parte de la carga utilizando modelos computacionales. En este caso, un conjunto de investigadores del Instituto Tecnológico de Massachussett (MIT, por sus siglas en inglés) y Harvard, decidieron apostar por utilizar inteligencia artificial para identificar posibles antibióticos, que actúan de un modo diferente a los fármacos ya conocidos, evitando la resistencia de las bacterias. El modelo localizó un compuesto, concretamente el inhibidor SU3327 de las c-jun N-terminal quinasas, que los investigadores han re-bautizado como Halicina (según parece por el ordenador H.A.L. de “2001: Una Odisea en el espacio” [7]), que ha sido capaz de acabar con algunas cepas bacterianas más resistentes a los antibióticos, como el ‘Clostridium difficile’, ‘Acinetobacter baumannji’ o ‘Mycobacterium tuberculosis’. Algunas de estas bacterias se encuentran en la lista de la OMS como una de las prioridades que requieren nuevos tratamientos.

Según parece, la idea de utilizar modelos informáticos predictivos para localizar compuestos, no es nueva. Sin embargo, hasta ahora, estos modelos no eran lo bastantes precisos como para llegar a transformar el descubrimiento en un nuevo fármaco. El aprendizaje profundo y los nuevos modelos de redes neuronales pueden llegar a aprender a localizar la presencia o ausencia de determinados grupos químicos y predecir sus propiedades. En el caso de la Halicina, los investigadores diseñaron un modelo para buscar moléculas que fueran capaces de detener el crecimiento a la bacteria ‘E. coli’, a partir de un conjunto de 2,500 compuestos (1700 medicamentos aprobados por la Administración de Alimentos y Medicamentos Americana (FDA) y 800 productos naturales), con diversas estructuras y una amplia gama de bioactividades. Una vez que el modelo fue entrenado, los investigadores lo probaron con la base de datos del Centro de Repositorio de Drogas (Drug Repository Hub) del Broad Institute, una biblioteca con más de 6.000 compuestos. Además, se entrenó un segundo modelo para predecir la toxicidad y, de ese modo, buscar un compuesto con baja toxicidad para las células humanas. El compuesto seleccionado finalmente era el famoso inhibidor de la quinasa que se ha llamado Halicina, supuestamente con una fuerte actividad antibacteriana y una estructura química diferente de cualquier antibiótico existente.

Figura 2. Placa de Petri con cultivo bacteriano. De NOAA ocean explorer, Dominio público, https://commons.wikimedia.org/w/index.php?curid=87008

Los investigadores probaron este producto contra docenas de cepas bacterianas aisladas de pacientes y cultivadas en platos de laboratorio y, más tarde, en ratones. De este modo, descubrieron que el compuesto que su red neuronal había seleccionado, era capaz de matar a muchas de las bacterias resistentes a otros tratamientos, suponiendo una mejoría considerable con respecto a los antibióticos convencionales.

Por supuesto, aproximaciones similares se están proponiendo para buscar una vacuna para el coronavirus [8]. Pero, por ahora, son más bien teóricos.

Con esta pequeña carbonoticia, me despido hasta Septiembre, deseándoos unas buenas y merecidas vacaciones.

¡¡Disfrutad y cuidaos carbonian@s!!

Referencias:

[1] Hidroxicloroquina y COVID-19, OMS https://www.who.int/es/news-room/q-a-detail/q-a-hydroxychloroquine-and-covid-19

[2] Riva et al. “Discovery of SARS-CoV-2 antiviral drugs through large-scale compound repurposing”, Nature, 24/Jul/2020. url: https://www.nature.com/articles/s41586-020-2577-1

 [3] Stokes et al. “A deep learning approach to antibiotic discovery”, url: https://www.cell.com/cell/pdf/S0092-8674(20)30102-1.pdf

[4] Resistencia a los antibióticos, Wikipedia https://es.wikipedia.org/wiki/Resistencia_a_antibi%C3%B3ticos

[5] Resistencia a los antibióticos, OMS: https://www.who.int/es/news-room/fact-sheets/detail/resistencia-a-los-antibi%C3%B3ticos

[6] Lista de bacterias que necesitan antibióticos urgentmente, OMS: https://www.who.int/es/news-room/detail/27-02-2017-who-publishes-list-of-bacteria-for-which-new-antibiotics-are-urgently-needed

[7] Inteligencia artificial identifica antibióticos, MIT http://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220

[8] Ong et al., “COVID-19 coronavirus vaccine design using reverse vaccinology and machine 2 learning”, Biorxiv, url:https://www.biorxiv.org/content/10.1101/2020.03.20.000141v2.full.pdf

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *