Un sistema de IA acelera a loita contra as superbacterias

Un equipo de investigadores da Universidade de Pensilvania, encabezado polo galego César de la Fuente, desenvolveu un sistema de intelixencia artificial capaz de acelerar o deseño de novos antibióticos fronte ás bacterias resistentes aos tratamentos actuais. O traballo, publicado na revista Nature Machine Intelligence, describe a tecnoloxía ApexGO, un modelo de IA xerativa orientado á optimización de antibióticos peptídicos.
A resistencia aos antibióticos continúa considerada unha das maiores ameazas para a medicina moderna, especialmente polo avance das bacterias capaces de sobrevivir aos tratamentos dispoñibles. O equipo da universidade estadounidense deseñou ApexGO coa intención de reducir os tempos necesarios para atopar novos compostos terapéuticos, empregando algoritmos capaces de propoñer modificacións en moléculas xa coñecidas antes da súa validación no laboratorio.
O sistema céntrase nos péptidos, pequenas moléculas semellantes ás proteínas que poden actuar como antibióticos. En vez de limitarse a revisar compostos existentes, ApexGO analiza secuencias peptídicas e formula novas variantes potencialmente máis eficaces para eliminar bacterias perigosas. Segundo os investigadores, o modelo funciona como un motor de deseño molecular capaz de aprender patróns e xerar propostas cunha maior probabilidade de éxito experimental.
Para comprobar o funcionamento da ferramenta, os científicos partiron de dez modelos peptídicos e utilizaron a IA para crear versións optimizadas. Posteriormente sintetizaron cen péptidos en laboratorio e analizaron tanto a súa eficacia antimicrobiana como o seu comportamento estrutural e os posibles efectos tóxicos sobre células. Os resultados máis destacados rexistráronse fronte ás bacterias gramnegativas, responsables dalgunhas das infeccións hospitalarias máis difíciles de tratar.

César de la Fuente

Imaxe de Tyger Williams

O profesor César de la Fuente, director do Machine Biology Group da Universidade de Pensilvania, asegura que «ApexGO demostra que se pode utilizar a IA para algo máis que predicir que moléculas poderían funcionar: pode axudar a melloralas». O investigador destaca que o sistema permite explorar novas posibilidades moleculares que posteriormente poden sintetizarse e comprobarse experimentalmente.
Marcelo Torres, outro dos autores do estudo, subliña que o descubrimento de novos antibióticos adoita ser «un proceso lento, custoso e cheo de ensaio e erro», mentres que nesta investigación a IA serviu para orientar o deseño dos compostos máis prometedores e validar moitos deles mediante probas reais.
Os responsables do proxecto consideran que esta aproximación abre a porta a un uso máis amplo da IA xerativa no descubrimento de fármacos, facilitando a transición desde unha hipótese científica ata un posible tratamento terapéutico nun prazo moito máis reducido.