MADRID, 29 May. (EUROPA PRESS) -
Utilizando un algoritmo de inteligencia artificial, investigadores del Instituto Tecnológico de Massachussets (MIT), en Estados Unidos y de la Universidad McMaster, en Canadá, han identificado un nuevo antibiótico capaz de eliminar un tipo de bacteria responsable de muchas infecciones resistentes a los medicamentos, según publican en la revista 'Nature Chemical Biology'.
Si se desarrolla para su uso en pacientes, el fármaco podría ayudar a combatir la 'Acinetobacter baumannii', una especie de bacteria que suele encontrarse en los hospitales y puede provocar neumonía, meningitis y otras infecciones graves. Este microbio es también una de las principales causas de infecciones en soldados heridos en Irak y Afganistán.
"La 'Acinetobacter' puede sobrevivir en los pomos de las puertas y en el equipamiento de los hospitales durante largos periodos de tiempo, y puede absorber genes de resistencia a los antibióticos de su entorno. Ahora es muy frecuente encontrar cepas de 'A. baumannii' resistentes a casi todos los antibióticos", explica Jonathan Stokes, antiguo postdoctorando del MIT y ahora profesor adjunto de Bioquímica y Ciencias Biomédicas en la Universidad McMaster.
Los investigadores identificaron el nuevo fármaco a partir de una biblioteca de casi 7.000 posibles compuestos farmacológicos utilizando un modelo de aprendizaje automático que entrenaron para evaluar si un compuesto químico inhibiría el crecimiento de 'A. baumannii'.
"Este hallazgo refuerza la premisa de que la IA puede acelerar y ampliar significativamente nuestra búsqueda de nuevos antibióticos --afirma James Collins, catedrático Termeer de Ingeniería y Ciencias Médicas en el Instituto de Ingeniería y Ciencias Médicas (IMES) y el Departamento de Ingeniería Biológica del MIT--. Me entusiasma que este trabajo demuestre que podemos utilizar la IA para ayudar a combatir patógenos problemáticos como 'A. baumannii'".
En las últimas décadas, muchas bacterias patógenas se han hecho cada vez más resistentes a los antibióticos existentes, mientras que se han desarrollado muy pocos antibióticos nuevos.
Hace varios años, Collins, Stokes y la profesora del MIT Regina Barzilay, autora también del nuevo estudio, se propusieron combatir este problema creciente mediante el aprendizaje automático, un tipo de inteligencia artificial que puede aprender a reconocer patrones en grandes cantidades de datos.
Collins y Barzilay, que codirigen la Clínica Abdul Latif Jameel de Aprendizaje Automático en Salud del MIT, esperaban que este método pudiera utilizarse para identificar nuevos antibióticos cuyas estructuras químicas fueran distintas de las de los fármacos existentes.
En su demostración inicial, los investigadores entrenaron un algoritmo de aprendizaje automático para identificar estructuras químicas que pudieran inhibir el crecimiento de 'E. coli'.
En un análisis de más de 100 millones de compuestos, el algoritmo dio como resultado una molécula a la que los investigadores llamaron halicina, en honor al sistema de inteligencia artificial ficticio de "2001: Una odisea del espacio". Demostraron que esta molécula podía matar no sólo a 'E. coli', sino también a otras especies bacterianas resistentes al tratamiento.
"Después de ese artículo, cuando demostramos que estos enfoques de aprendizaje automático pueden funcionar bien para tareas complejas de descubrimiento de antibióticos, centramos nuestra atención en lo que percibo como el enemigo público n 1 de las infecciones bacterianas multirresistentes, que es el Acinetobacter", apunta Stokes.
Para obtener datos de entrenamiento para su modelo computacional, los investigadores expusieron primero a la 'A. baumannii' cultivada en una placa de laboratorio a unos 7.500 compuestos químicos distintos para ver cuáles podían inhibir el crecimiento del microbio.
A continuación, introdujeron la estructura de cada molécula en el modelo. También indicaron al modelo si cada estructura podía inhibir o no el crecimiento bacteriano. De este modo, el algoritmo aprendió las características químicas asociadas a la inhibición del crecimiento.
Una vez entrenado el modelo, los investigadores lo utilizaron para analizar un conjunto de 6.680 compuestos que no había visto antes, procedentes del Drug Repurposing Hub del Broad Institute. Este análisis, que duró menos de dos horas, arrojó unos cientos de resultados. De ellos, los investigadores eligieron 240 para probarlos experimentalmente en el laboratorio, centrándose en compuestos con estructuras diferentes a las de los antibióticos existentes o moléculas de los datos de entrenamiento.
Esas pruebas dieron como resultado nueve antibióticos, entre ellos uno muy potente. Este compuesto, que en un principio se estudió como posible fármaco contra la diabetes, resultó ser muy eficaz contra la 'A. baumannii', pero no contra otras especies de bacterias, como 'Pseudomonas aeruginosa', 'Staphylococcus aureus' y 'Enterobacteriaceae' resistentes a los carbapenemes.
Esta capacidad letal de "espectro estrecho" es una característica deseable para los antibióticos porque minimiza el riesgo de que las bacterias propaguen rápidamente la resistencia contra el fármaco. Otra ventaja es que el fármaco probablemente preservaría las bacterias beneficiosas que viven en el intestino humano y ayudarían a suprimir infecciones oportunistas como 'Clostridium difficile'.
"Los antibióticos suelen administrarse por vía sistémica, y lo último que se quiere es provocar una disbiosis importante y exponer a estos pacientes ya enfermos a infecciones secundarias", afirma Stokes.
En estudios con ratones, los investigadores demostraron que el fármaco, al que denominaron abaucina, podía tratar las infecciones de heridas causadas por 'A. baumannii'. También demostraron, en pruebas de laboratorio, que funciona contra diversas cepas de 'A. baumannii' resistentes a los fármacos aisladas de pacientes humanos.
Otros experimentos revelaron que el fármaco mata las células interfiriendo en un proceso conocido como tráfico de lipoproteínas, que las células utilizan para transportar proteínas del interior de la célula a la envoltura celular. En concreto, el fármaco parece inhibir la LolE, una proteína implicada en este proceso.
Todas las bacterias Gram negativas expresan esta enzima, por lo que a los investigadores les sorprendió que la abaucina fuera tan selectiva contra 'A. baumannii'. Su hipótesis es que la selectividad del fármaco puede deberse a ligeras diferencias en la forma en que 'A. baumannii' realiza esta tarea.
"Aún no hemos finalizado la adquisición de datos experimentales, pero creemos que se debe a que 'A. baumannii' realiza el tráfico de lipoproteínas de forma un poco diferente a otras especies Gram negativas. Creemos que por eso estamos obteniendo esta actividad de espectro estrecho", afirma Stokes.
El laboratorio de Stokes trabaja ahora con otros investigadores de McMaster para optimizar las propiedades medicinales del compuesto, con la esperanza de desarrollarlo para su eventual uso en pacientes.
Los investigadores también tienen previsto utilizar su método de modelización para identificar posibles antibióticos contra otros tipos de infecciones farmacorresistentes, como las causadas por 'Staphylococcus aureus' y 'Pseudomonas aeruginosa'.
