Investigadores da Universidade de Pensilvania desenvolveron un sistema de intelixencia artificial chamado ApexGO que pode axudar a crear candidatos a antibióticos máis potentes con maior rapidez, ofrecendo unha posible nova vía para combater infeccións resistentes aos fármacos. A investigación, liderada polo galego César de la Fuente, publicarase en Nature Machine Intelligence.
A resistencia aos antibióticos é unha das maiores ameazas do medicamento moderno. A medida que máis bacterias aprenden a sobrevivir aos fármacos utilizados para eliminalas, os investigadores enfróntanse a maior presión para atopar novos tratamentos de xeito máis rápido que a que permiten os métodos tradicionais. O equipo da Universidade de Pensilvania deseñou ApexGO para contribuír a pechar esa brecha mediante o uso de IA xerativa coa intención de optimizar moléculas antibióticas prometedoras antes de probalas no laboratorio.
Como funciona?
O sistema céntrase en péptidos, que son pequenas moléculas similares a proteínas que poden actuar como antibióticos. En lugar de limitarse a buscar en listas existentes de moléculas coñecidas, ApexGO parte de persoais peptídicas e suxire cambios que poderían aumentar a súa eficacia á hora de eliminar bacterias daniñas. É dicir, o modelo actúa como un motor de deseño intelixente: aprende patróns a partir de secuencias peptídicas e logo propón novas versións con máis probabilidades de funcionar.
Para probar este enfoque, os investigadores comezaron con 10 persoais peptídicas e utilizaron ApexGO para deseñar versións melloradas. Despois sintetizaron 100 deses péptidos no laboratorio e estudaron a súa eficacia contra bacterias, alén do seu funcionamento, que estruturas formaban e se mostraban indicios de toxicidade para as células. Os resultados foron especialmente sólidos fronte a bacterias gramnegativas, un grupo de patóxenos difíciles de tratar que inclúe algunhas das infeccións hospitalarias máis perigosas.
Uso da IA
“ApexGO demostra que se pode utilizar a IA para algo máis que predicir que moléculas poderían funcionar: pode axudar a melloralas”, afirma César de la Fuente. “O modelo parte de antibióticos peptídicos prometedores e aprende a optimizalos, explorando novas posibilidades moleculares que despois podemos sintetizar e probar no laboratorio. Nun momento no que a resistencia aos antibióticos está a aumentar en todo o mundo, necesitamos tecnoloxías que nos axuden a avanzar máis rápido materializando a idea nun candidato terapéutico real. ApexGO é un paso importante cara a ese futuro”.
“Atopar novos antibióticos adoita ser un proceso lento, custoso e cheo de ensaio e erro”, sinala Marcelo Torres. “O emocionante aquí é que puidemos utilizar a IA para guiar o proceso de deseño, fabricar os compostos máis prometedores e logo validar experimentalmente moitos de eles”.
Os investigadores sinalan que o estudo apunta a un futuro máis amplo no que a IA xenerativa convértase nunha ferramenta práctica para o descubrimento de fármacos, axudando aos científicos para avanzar con maior rapidez desde a idea ata o posible tratamento. Isto podería marcar unha diferenza significativa no esforzo global por manterse por diante das infeccións resistentes no descubrimento de novos antibióticos.
