Las infecciones resistentes a los antibíticos representan uno de los mayores desafíos para la medicina moderna. Enfermedades como la gonorrea y las infecciones por Staphylococcus aureus resistente a meticilina (MRSA) han dejado de responder a muchos de los tratamientos tradicionales, complicando su control y aumentando los riesgos para la salud global. En este contexto, la ciencia ha encontrado un nuevo aliado: la inteligencia artificial (IA).
Dos modelos de IA para descubrir antibióticos inéditos
Investigadores del MIT Antibiotics-AI Project han desarrollado un enfoque innovador que combina modelos generativos de IA con bases de datos químicas masivas para descubrir nuevos compuestos con capacidad antibacteriana. El resultado ha sido la identificación de dos nuevas moléculas prometedoras que podrían convertirse en futuros tratamientos contra la gonorrea y el MRSA, respectivamente.
Lo interesante es que la IA no creó directamente los fármacos, sino que actuó como un buscador sofisticado: recibió parámetros precisos y exploró millones de posibilidades químicas hasta encontrar candidatos viables. El objetivo era hallar compuestos capaces de matar las bacterias sin afectar a las células humanas y que no compartieran estructuras comunes con antibióticos ya existentes.
El caso de la gonorrea: estrategia por fragmentos
Para abordar la búsqueda de un antibiótico contra la Neisseria gonorrhoeae, el equipo usó una estrategia basada en fragmentos químicos. Partieron de una biblioteca de 45 millones de combinaciones de 11 átomos, disponibles en el repositorio REAL Space de Enamine. Tras filtrar los compuestos potencialmente tóxicos para humanos, el conjunto se redujo a un millón de opciones.
De esa selección surgió un fragmento clave llamado F1, con potencial para destruir la bacteria. A partir de F1, se aplicaron dos modelos generativos:
- CReM (chemically reasonable mutations), que crea variantes alterando configuraciones atómicas.
- F-VAE (fragment-based variational autoencoder), que aprende patrones y genera moléculas completas desde fragmentos.
Entre ambos modelos generaron 7 millones de compuestos nuevos, de los cuales 1.000 fueron considerados viables. Finalmente, 80 fueron seleccionados para síntesis en laboratorio. Solo se pudieron crear dos, y uno de ellos, NG1, logró eliminar eficazmente la gonorrea tanto en pruebas in vitro como en ratones.
MRSA: libertad creativa para la IA
En el caso del Staphylococcus aureus resistente (MRSA), el equipo optó por darle más libertad a la IA. No se partió de un fragmento inicial, sino que se pidió al sistema que generara cualquier molécula químicamente posible y potencialmente eficaz.
El modelo produjo 29 millones de compuestos. Luego, con los mismos filtros utilizados en el caso de la gonorrea, el conjunto se redujo a 90 candidatos. De esos, 22 pudieron sintetizarse y 6 mostraron alta efectividad contra MRSA. Uno de ellos, DN1, fue el más prometedor: logró eliminar infecciones en modelos de ratón.
Tanto NG1 como DN1 comparten un mecanismo similar: alteran las membranas celulares de las bacterias, un ataque que resulta letal para los microorganismos. No obstante, DN1 tiene un efecto más amplio, mientras que NG1 se enfoca en una proteína específica.
Un futuro esperanzador, pero con etapas pendientes
Aunque los resultados son alentadores, estos compuestos no están listos para su uso en humanos. Antes deben superar pruebas preclínicas y ensayos clínicos, procesos que pueden tomar varios años. La organización sin fines de lucro Phare Bio, asociada al proyecto, está trabajando en la modificación de NG1 y DN1 para prepararlos para las siguientes etapas de prueba.
Cabe destacar que este no es el primer logro del equipo del MIT con IA: anteriormente descubrieron los antibióticos halicin y abaucin, también con ayuda de algoritmos.
¿Por qué importa este avance?
En el año 2020 se registraron más de 82 millones de nuevos casos de gonorrea en el mundo, y la OMS ha alertado que su creciente resistencia puede convertirla en una enfermedad intratable. Por su parte, el MRSA figura entre las amenazas bacterianas más graves según la OMS y el CDC, por su capacidad de causar infecciones graves y resistentes en hospitales y comunidades.
La posibilidad de utilizar IA para identificar antibióticos completamente nuevos abre una vía distinta y complementaria a los métodos tradicionales, que suelen ser costosos, lentos y poco eficaces frente a bacterias adaptativas. Es como tener un asistente capaz de recorrer una inmensa biblioteca química y encontrar justo las pocas páginas que contienen la solución.
