MADRID, 8 Sep. (EUROPA PRESS) -
Investigadores de la Universidad de Pensilvania (Penn) en Estados Unidos han presentado AMP-Diffusion, una herramienta de IA generativa que se utiliza para crear decenas de miles de nuevos péptidos antimicrobianos (AMP) -cadenas cortas de aminoácidos, los componentes básicos de las proteínas- con potencial para eliminar bacterias.
Tal y como se describe en un nuevo artículo de 'Cell Biomaterials', en modelos animales, los AMP más potentes tuvieron el mismo rendimiento que los fármacos aprobados por la FDA, sin efectos adversos detectables.
Si bien los avances anteriores en Penn han demostrado que la IA puede clasificar con éxito montañas de datos para identificar candidatos antibióticos prometedores, este estudio se suma a un número pequeño pero creciente de demostraciones de que la IA puede inventar candidatos antibióticos desde cero.
"El conjunto de datos de la naturaleza es finito; con IA, podemos diseñar antibióticos que la evolución nunca ha intentado", dice César de la Fuente, profesor presidencial asociado en Bioingeniería (BE) e Ingeniería Química y Biomolecular en la Facultad de Ingeniería y Ciencias Aplicadas de la Universidad de Pensilvania (Penn Engineering), en Psiquiatría y Microbiología en la Facultad de Medicina Perelman y en Química en la Facultad de Artes y Ciencias, y coautor principal del artículo.
"Estamos aprovechando los mismos algoritmos de IA que generan imágenes, pero los ampliamos para diseñar nuevas moléculas potentes", agrega Pranam Chatterjee , profesor adjunto de Ingeniería de la Información y Computación y de Ingeniería de Penn, y otro coautor principal del artículo.
Durante años, el laboratorio de la Fuente ha aprovechado con éxito la IA para buscar moléculas con propiedades antimicrobianas en lugares improbables, desde las proteínas de los mamuts lanudos hasta las del veneno animal y los antiguos microbios llamados arqueas. "Desafortunadamente, la resistencia a los antibióticos aumenta a un ritmo mayor que el que podemos descubrir nuevos candidatos a antibióticos", incide de la Fuente.
Mientras que algunos modelos de IA generativos, como ChatGPT, funcionan prediciendo la siguiente palabra o elemento en una secuencia, los modelos de "difusión" parten de "ruido" aleatorio y lo refinan iterativamente hasta obtener un resultado coherente: el principio detrás de herramientas como DALL·E y Stable Diffusion. Por su parte, AMP-Diffusion funciona de la misma manera, solo que, en lugar de eliminar el ruido de los píxeles, refina las secuencias de aminoácidos. "Es casi como ajustar la radio", matiza de la Fuente. "Empiezas con estática y, con el tiempo, surge la melodía".
Al menos otros dos equipos de investigación han aplicado modelos de difusión para diseñar péptidos antimicrobianos, pero AMP-Diffusion adopta un enfoque novedoso. En lugar de entrenar primero su propio "espacio latente" de proteínas (una especie de mapa interno de cómo se estructuran las proteínas), AMP-Diffusion se basa en ESM-2, un modelo de lenguaje de proteínas ampliamente utilizado de Meta, entrenado en cientos de millones de secuencias de proteínas naturales.
Dado que ESM-2 ya posee un completo "mapa mental" de cómo se integran las proteínas reales, AMP-Diffusion no necesita reaprender biología básica. Esto significa que puede generar AMP candidatos con mayor rapidez, y es más probable que sus resultados sigan los intrincados patrones que hacen efectivos a los péptidos.
El equipo de Chatterjee también diseñó AMP-Diffusion para consultar las reglas integradas de ESM-2 mientras "elimina el ruido", lo que esencialmente le da a la nueva herramienta un entrenador que la mantiene anclada en la realidad biológica. "En lugar de enseñarle al modelo los fundamentos de la biología, empezamos con un hablante fluido", comenta Chatterjee. "Ese atajo nos permite centrarnos en diseñar péptidos con posibilidades reales de convertirse en fármacos".
Mediante AMP-Diffusion, los investigadores generaron las secuencias de aminoácidos de unos 50.000 candidatos. "Son muchos más fármacos candidatos de los que podríamos analizar", insiste de la Fuente. "Por eso, utilizamos IA para filtrar los resultados".
Tras sintetizar los 46 candidatos más prometedores, el laboratorio de de la Fuente los probó en células humanas y modelos animales. En el tratamiento de infecciones cutáneas en ratones, dos AMP demostraron una eficacia comparable a la de la levofloxacina y la polimixina B, fármacos aprobados por la FDA para tratar bacterias resistentes a los antibióticos, sin efectos adversos.
En el futuro, los investigadores esperan perfeccionar AMP-Diffusion, dotándolo de la capacidad de eliminar el ruido con un objetivo más específico, como el tratamiento de un tipo específico de infección bacteriana, entre otras funciones. Para los investigadores, el estudio actual constituye una prueba de principio: la IA generativa puede ir más allá de la extracción de lo que la evolución ya ha creado, hasta llegar al diseño de nuevos antibióticos. "En última instancia, nuestro objetivo es acortar el tiempo de descubrimiento de antibióticos de años a días" augura de la Fuente.
