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 que son los componentes básicos de las proteínas, con potencial para eliminar bacterias.
Según un nuevo artículo publicado en ‘Cell Biomaterials’, en modelos animales, los AMP más potentes mostraron un rendimiento similar al de los fármacos aprobados por la FDA, sin efectos adversos detectables.
A pesar de que 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 pequeño pero creciente número 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», afirma Césaro de la Fuente, profesor presidencial asociado en Bioingeniería e Ingeniería Química y Biomolecular en la Facultad de Ingeniería y Ciencias Aplicadas de la Universidad de Pensilvania. Es también coautor principal del artículo.
«Estamos aprovechando los mismos algoritmos de IA que generan imágenes, pero los ampliamos para diseñar nuevas moléculas potentes», añade Pranam Chatterjee, profesor adjunto de Ingeniería de la Información y Computación y otra de las mentes principales detrás del estudio.
Durante años, el laboratorio de de la Fuente ha utilizado la IA para buscar moléculas con propiedades antimicrobianas en fuentes inesperadas, desde las proteínas de los mamuts lanudos hasta venenos de animales y antiguos microbios llamados arqueas. «Desafortunadamente, la resistencia a los antibióticos aumenta a un ritmo mayor que el que podemos descubrir nuevos candidatos», incide de la Fuente.
Mientras que algunos modelos generativos de IA, como ChatGPT, predicen la siguiente palabra o elemento en una secuencia, los modelos de «difusión» comienzan con «ruido» aleatorio y lo refinan iterativamente hasta obtener un resultado coherente, como lo hacen herramientas como DALL·E y Stable Diffusion. En este caso, AMP-Diffusion funciona de la misma manera, pero en lugar de eliminar el ruido de los píxeles, refina las secuencias de aminoácidos. «Es casi como ajustar la radio», explica 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 vez de entrenar un «espacio latente» propio de proteínas, se basa en ESM-2, un modelo de lenguaje de proteínas ampliamente utilizado de Meta, entrenado con cientos de millones de secuencias de proteínas naturales.
Gracias a este conocimiento previo, AMP-Diffusion puede generar AMP candidatos con mayor rapidez y es más probable que sus resultados sigan los complejos patrones que hacen efectivos a estos 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 proporciona un entrenador que mantiene a la herramienta en la realidad biológica. «En lugar de enseñar al modelo los fundamentos de la biología, empezamos con un hablante fluido», comenta Chatterjee. «Ese atajo nos permite concentrarnos en diseñar péptidos con posibilidades reales de convertirse en fármacos».
Con AMP-Diffusion, los investigadores generaron las secuencias de aminoácidos de unos 50.000 candidatos. «Son muchos más fármacos candidatos de los que podríamos analizar», recalca de la Fuente. «Por eso, utilizamos IA para filtrar los resultados».
Después de 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, sin efectos adversos.
De cara al futuro, los investigadores esperan perfeccionar AMP-Diffusion, proporcionando la capacidad de eliminar el ruido con un objetivo más específico, como el tratamiento de un tipo concreta de infección bacteriana. Para ellos, el estudio actual representa una prueba de principio: la IA generativa puede ir más allá de la extracción de lo que la evolución ya ha creado, hasta el 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.
