Investigadores del Broad Institute del MIT y Harvard, Integrated Biosciences, el Wyss Institute for Biologically Inspired Engineering y el Leibniz Institute of Polymer Research han descubierto una clase de antibióticos estructuralmente nuevos.Esta es la primera vez que se descubre una nueva clase de antibióticos en los últimos 60 años y la primera que utiliza una plataforma impulsada por inteligencia artificial construida en torno a un aprendizaje profundo explicable.
Este artículo revisado por pares se publicó en la revista Nature hoy (20 de diciembre), titulado "Descubrimiento de una clase estructural de antibióticos con aprendizaje profundo explicable" (Descubrimiento de una clase estructural de antibióticos con aprendizaje profundo explicable). El artículo fue publicado por un equipo de 21 investigadores, dirigido por el Dr. Felix Wong, cofundador de Integrated Biosciences, y el Dr. James J. Collins, profesor Termeer de Ingeniería y Ciencias Médicas en el MIT y presidente fundador del Consejo Asesor Científico de Integrated Biosciences.
Otros colaboradores incluyen investigadores del MIT, el Instituto Broad del MIT y Harvard, el Instituto Wyss de Ingeniería de Inspiración Biológica y el Instituto Leibniz de Investigación de Polímeros en Dresde, Alemania.
En el estudio, los investigadores examinaron virtualmente más de 12 millones de compuestos candidatos para identificar esta nueva clase de antibióticos que mostraban potencial para abordar el problema de la resistencia a los antibióticos.
En este enfoque innovador, el equipo de investigación entrenó un modelo de aprendizaje profundo con datos generados experimentalmente para predecir la actividad antibiótica y la toxicidad de cualquier compuesto. Inspirándose en la inteligencia artificial utilizada en otros campos, como la tecnología de juegos AlphaGo de DeepMind, los autores diseñaron nuevos modelos para explicar qué partes de la molécula son importantes para la actividad antibiótica.
Los resultados identificaron una nueva clase de antibióticos con potente actividad contra patógenos multirresistentes. En una serie de experimentos, los investigadores probaron un antibiótico candidato en un modelo de ratón con infección por MRSA y descubrieron que era eficaz tanto a nivel local como sistémico, lo que sugiere que el compuesto es adecuado para un mayor desarrollo como tratamiento para infecciones bacterianas graves y relacionadas con la sepsis.
"El descubrimiento de esta nueva clase de antibióticos es un logro revolucionario que demuestra la capacidad única de la inteligencia artificial y el aprendizaje profundo explicable para catalizar el descubrimiento de fármacos", afirmó el Dr. Wong. "Nuestro trabajo expone varios modelos de alta energía que pueden predecir con precisión la actividad y la toxicidad de los antibióticos. Es importante destacar que esta es una de las primeras demostraciones de que un modelo de aprendizaje profundo puede explicar sus predicciones, con implicaciones directas y profundas sobre cómo se lleva a cabo el descubrimiento de fármacos y cómo se puede utilizar la inteligencia artificial para descubrir nuevos fármacos de manera eficiente".
"Esta es una validación importante de cuán importante es la integración de la inteligencia artificial con el aprendizaje profundo interpretable para superar algunos de los desafíos más difíciles de la medicina, en este caso la resistencia a los antibióticos", dijo el Dr. Collins. "A partir de estos estudios confirmatorios y enfoques similares, el equipo de IntegratedBiosciences está preparado para acelerar aún más la integración de la biología sintética con un profundo conocimiento de las respuestas al estrés celular para abordar la importante necesidad insatisfecha de nuevos tratamientos para enfermedades relacionadas con la edad".
"Una implicación importante de este estudio es que los modelos de aprendizaje profundo en el descubrimiento de fármacos pueden, y en muchos casos deberían, tener solución", dijo el Dr. Satotaka Omori, miembro fundador y jefe de biología del envejecimiento en Integrated Biosciences y autor colaborador del artículo. Si bien la IA sigue teniendo un impacto, también está limitada por los numerosos modelos de caja negra que se utilizan comúnmente para ofuscar los procesos subyacentes de toma de decisiones. Al abrir estas cajas negras, pretendemos crear conocimientos más generalizables que puedan ser más útiles para acelerar el uso y el desarrollo de métodos de descubrimiento de fármacos de próxima generación".
Alicia Li, investigadora asociada de Integrated Biosciences y autora colaboradora de la publicación, añadió: "Es realmente emocionante ver que podemos demostrar una nueva forma de predecir qué tan bien funcionará un compuesto como antibiótico, la probabilidad de que el compuesto progrese en los ensayos de fase 1 y si el compuesto es potencialmente uno de muchos otros miembros de una nueva clase de medicamentos".
Integrated Biosciences ha establecido un sistema de investigación que, además de este artículo "Nature" recientemente publicado, también incluye un artículo "Nature-Aging" publicado en mayo, que muestra cómo utilizar la inteligencia artificial para descubrir nuevos senolíticos, es decir, compuestos antienvejecimiento que eliminan selectivamente las células "zombis" envejecidas. Estos compuestos son prometedores para el tratamiento de enfermedades asociadas con el envejecimiento, como la fibrosis, la inflamación y el cáncer.
Un artículo de Cell Systems publicado en julio demostró una plataforma basada en biología sintética que permite a los humanos controlar las respuestas al estrés relacionadas con el envejecimiento, acelerando así la detección de fármacos para el envejecimiento.
Referencia: "Descubrimiento de una clase de estructuras antibióticas mediante aprendizaje profundo explicable", 20 de diciembre de 2023, "Naturaleza".
DOI:10.1038/s41586-023-06887-8
Fuente compilada: ScitechDaily