De la Fuente es uno de los mayores expertos mundiales en el uso de la inteligencia artificial (IA) para descubrir nuevos antibióticos que salven millones de vidas, y su último logro aparece recogido este viernes en la revista Nature Microbiology.
Los investigadores se han centrado en los priones, unas moléculas conocidas por su papel en enfermedades neurodegenerativas raras y mortales.
Utilizando una plataforma de aprendizaje automático profundo denominada APEX, De la Fuente y sus colaboradores ha analizado 19,3 fragmentos de proteínas derivados de 2.897 proteínas priómicas y similares a los priones.
La búsqueda ha identificado 1.179 fragmentos moleculares que pueden ser capaces de matar bacterias, incluidas las resistentes a los medicamentos. Los investigadores las han llamado "prioninas".
Las funciones conocidas hasta ahora de esas proteínas estaban asociadas al mal plegamiento, la agregación y las enfermedades cerebrales.
Sin embargo, analizándolas en profundidad, los investigadores han visto que pueden tener ocultas actividades biológicas útiles y que la inteligencia artificial puede ayudar a revelarlas.
Aunque había indicios de que esta conexión con la actividad antimicrobinana podía existir, ha sido esta búsqueda profunda la que la ha revelado.
“Nuestro trabajo muestra que cuando la IA examina la biología a gran escala hasta las proteínas con una reputación sombría pueden contener instrucciones moleculares útiles. En este caso, esas instrucciones apuntan a posibles nuevos antibióticos”, afirma De la Fuente, director del Machine Biology Group de la Universidad de Pensilvania.
Su equipo ha adoptado un enfoque distinto en la búsqueda de nuevos antibióticos, y en lugar de preguntarse de dónde vienen, se ha planteado si la biología ha ocultado moléculas antimicrobianas en lugares donde los científicos normalmente no buscarían.
Para testar las predicciones, los investigadores sintetizaron 75 prioninas y las evaluaron frente a patógenos bacterianos clínicamente relevantes, incluidas cepas multirresistentes.
De las 75, 59 inhibieron al menos un patógeno y 42 mostraron una actividad potente a concentraciones de 16 micromolar o inferiores contra al menos un patógeno.
El equipo examinó cómo funcionaban las moléculas y comprobó que muchas prioninas activas dañaban las membranas bacterianas, un mecanismo común utilizado por los péptidos antimicrobianos.
Dos de los candidatos más potentes fueron evaluados en un modelo de infección cutánea en ratones causada por Acinetobacter baumannii, un patógeno difícil de tratar. Pues bien, una sola dosis tópica de cada péptido redujo significativamente la carga bacteriana, y no hubo problemas asociados al tratamiento.
“Lo emocionante es que las predicciones se confirmaron experimentalmente. Pasamos de millones de fragmentos proteicos ocultos a moléculas sintetizadas que mataron bacterias en el laboratorio, y luego a candidatos que funcionaron en un modelo animal de infección”, señala otro de los autores, Marcelo Torres.
La investigación también plantea una posibilidad innovadora en la intersección entre la neurodegeneración y la inmunidad innata, o dicho de otro modo, propone que estas moléculas priónicas podrían poseer algún vínculo con la inmunidad.
No obstante, matizan que sus hallazgos no demuestran que las prioninas funcionen naturalmente como moléculas inmunitarias y advierten de que se trata de un descubrimiento temprano que en ningún caso altera el papel atribuido a los priones mal plegados en enfermedades neurodegenerativas devastadoras.
Fundamentalmente, el estudio abre un campo de búsqueda para la acuciante necesidad de descubrir nuevos antibióticos.
“Durante mucho tiempo, el descubrimiento de fármacos ha estado limitado no solo por lo que podemos probar, sino por dónde decidimos buscar. La IA está cambiando eso. Nos facilita una forma de explorar las capas ocultas de la biología y preguntarnos si moléculas asociadas con una historia también pueden llevar otra historia con potencial terapéutico”, concluye De la Fuente en un comunicado.