O galego César de la Fuente é un dos científicos máis destacados na loita contra as bacterias resistentes aos antibióticos, un problema que o ser humano arrastra desde hai décadas sen saber moi ben como enfrontarse a el. Este bioenxeñeiro da Universidade de Pensilvania probou de todo, desde proteínas neandertais a bacterias extremófilas, tratando de atopar solucións.
Agora, a intelixencia artificial xenerativa (GenAI, polas súas siglas en inglés) podería converterse nunha aliada clave para combater unha das maiores ameazas para a saúde global: a resistencia aos antibióticos. Un novo estudo, publicado esta semana en Cell Biomaterials, presenta unha ferramenta de IA bautizada como AMP-Diffusion que é capaz de deseñar moléculas antibacterianas inéditas, con potencial terapéutico probado en modelos animais.
O traballo é froito da colaboración entre os laboratorios de Pranam Chatterjee e De la Fuente, un especialista en deseño molecular e o segundo en intelixencia artificial aplicada á procura de novos antibióticos. Mentres que investigacións previas demostraran que a IA pode analizar grandes cantidades de datos para atopar candidatos prometedores, este estudo dá un paso máis aló: crear desde cero moléculas que a natureza nunca produciu.
“O conxunto de datos da natureza é finito; coa IA podemos deseñar antibióticos que a evolución nunca tentou”, afirma De la Fuente, profesor en Bioenxeñería, Enxeñería Química e Biomolecular, Psiquiatría e Microbioloxía na universidade estadounidense.
Pola súa banda, Chatterjee, profesor en Bioenxeñería e Informática, engade que “estamos a aproveitar os mesmos algoritmos de IA que xeran imaxes, pero adaptándoos para deseñar novas moléculas potentes”.
De ruído a moléculas antibacterianas
AMP-Diffusion utiliza un tipo de IA coñecido como modelo de difusión, o mesmo principio que empregan ferramentas como DALL·E ou Stable Diffusion para crear imaxes a partir dos prompts que os usuarios introducen. En lugar de “desenmascarar” píxeles, este modelo refina secuencias de aminoácidos ata obter péptidos con potencial antimicrobiano.
“É case como sintonizar a radio”, sinala De la Fuente. “Empezas con son estático e, finalmente, emerxe a melodía”.
A clave está na súa integración con ESM-2, un modelo de linguaxe para proteínas desenvolto por Meta e adestrado con centos de millóns de secuencias naturais. Grazas a esta base, a ferramenta non necesita aprender desde cero as regras da bioloxía, o que acelera o deseño e aumenta a probabilidade de éxito das moléculas xeradas.
De 50.000 candidatos a dúas promesas
O modelo xerou unhas 50.000 secuencias candidatas. Para seleccionar as máis prometedoras, o equipo utilizou outra ferramenta de IA desenvolvida polo laboratorio do investigador español, que filtra moléculas segundo o seu potencial antibacteriano, a súa novidade estrutural e a súa diversidade química.
Tras este cribado, sintetizáronse 46 candidatos que foron probados en células humanas e en modelos animais. Dous deles demostraron unha eficacia similar a antibióticos aprobados pola FDA, como a levofloxacina e a polimixina B, en infeccións cutáneas en ratos, sen efectos adversos detectables.
“É emocionante ver que as nosas moléculas xeradas por IA realmente funcionaron”, afirma Chatterjee. “Isto demostra que a IA xenerativa pode axudar a combater a resistencia aos antibióticos”.
Os investigadores planean perfeccionar AMP-Diffusion para que poida deseñar moléculas orientadas a infeccións específicas ou con propiedades farmacolóxicas melloradas. O seu obxectivo a longo prazo é acelerar o desenvolvemento de novos tratamentos fronte a bacterias resistentes, e reducir drasticamente o tempo necesario para atopar candidatos eficaces.
“En última instancia, o noso fin é comprimir o tempo de descubrimento de antibióticos de anos a días”, resume de la Fuente.
Referencia: Generative latent diffusion language modeling yields anti-infective synthetic peptides (Publicado en Cell Biomaterials)
