Buscando nuevos antibióticos con IA
La resistencia a los antibióticos es una de las mayores amenazas para la salud pública mundial. Se estima que en 2050, las infecciones resistentes a los antibióticos podrían causar hasta 10 millones de muertes por año, superando el número de muertes por cáncer.
Para combatir esta crisis, los científicos están buscando nuevas formas de desarrollar antibióticos. Un enfoque prometedor es utilizar el aprendizaje automático para identificar nuevos péptidos antimicrobianos (AMP) en el microbioma global.
Los AMP son moléculas pequeñas que se producen naturalmente por los microorganismos y tienen la capacidad de matar o inhibir el crecimiento de las bacterias. Se encuentran en una amplia variedad de entornos, incluyendo el suelo, el agua y el cuerpo humano.
En un estudio reciente publicado en la revista Cell, un equipo de investigadores utilizó el aprendizaje automático para identificar casi un millón de secuencias de AMP en el microbioma global. Para ello, desarrollaron un algoritmo que podía predecir la probabilidad de que una secuencia de aminoácidos fuera un AMP.
Los investigadores luego sintetizaron y probaron 100 de estos AMP contra patógenos resistentes a los antibióticos y comensales del intestino humano. Se encontraron que 79 péptidos eran activos, con 63 de ellos dirigidos a patógenos. Estos AMP activos exhibieron actividad antibacteriana al interrumpir las membranas bacterianas.
Este estudio es un avance significativo en la búsqueda de nuevos antibióticos. La gran cantidad de AMP identificados por los investigadores proporciona una rica fuente de nuevos candidatos a fármacos. Además, el enfoque basado en el aprendizaje automático se puede utilizar para identificar AMP con propiedades específicas, como la actividad contra patógenos particulares o la baja toxicidad para las células humanas.
Este es un momento emocionante para la investigación de antibióticos. El uso del aprendizaje automático y otras tecnologías de vanguardia está abriendo nuevas posibilidades para el desarrollo de nuevos antibióticos que puedan combatir la resistencia a los antibióticos.
Este estudio tiene varias implicaciones importantes para el futuro del desarrollo de antibióticos:
- Proporciona una nueva fuente de antibióticos potenciales. Los casi un millón de AMP identificados en el estudio representan una gran cantidad de nuevos candidatos a fármacos que pueden ser explorados para su desarrollo.
- Permite el desarrollo de antibióticos con propiedades específicas. El enfoque basado en el aprendizaje automático se puede utilizar para identificar AMP con propiedades específicas, como la actividad contra patógenos particulares o la baja toxicidad para las células humanas.
- Acelera el proceso de desarrollo de antibióticos. El uso del aprendizaje automático puede ayudar a identificar y desarrollar nuevos antibióticos de manera más rápida y eficiente que los métodos tradicionales.
Este estudio es un paso importante en la lucha contra la resistencia a los antibióticos. Con el desarrollo continuo de nuevas tecnologías, podemos esperar ver el desarrollo de nuevos antibióticos que sean efectivos contra las bacterias resistentes a los antibióticos y que salven vidas.
Temas relacionados
Referencia: Santos-Júnior, C. D., Torres, M. D. T., Duan, Y., Rodríguez del Río, Á., Schmidt, T. S. B., Chong, H., Fullam, A., Kuhn, M., Zhu, C., Houseman, A., Somborski, J., Vines, A., Zhao, X.-M., Bork, P., Huerta-Cepas, J., de la Fuente-Nunez, C., & Coelho, L. P. (2024). Discovery of antimicrobial peptides in the global microbiome with machine learning. Cell. https://doi.org/10.1016/j.cell.2024.05.013
Últimas noticias
