Sociedad•Bioinformática y salud en Argentina

Investigadores usan herramientas de IA para crear nuevos antibióticos más eficaces y seguros

Científicos argentinos desarrollan técnicas de bioinformática y de IA para encontrar nuevas moléculas antibióticas, que puedan “matar” a las bacterias resistentes. El investigador del Conicet Darío Fernández Do Porto explica cómo se buscan fármacos más precisos, con menos efectos adversos y más baratos.

Investigadores usan herramientas de IA para crear nuevos antibióticos más eficaces y seguros
Objetivo: conseguir medicamentos más eficaces, con menos efectos secundarios, en menos tiempo, con una menor inversión económica. | Cedoc Perfil - IA
Hoy 05:30

Desde hace varias décadas, la humanidad viene corriendo una carrera contra un fenómeno biológico básico: la evolución. El tema es así: desde la aparición de los primeros antibióticos -en la primera mitad del siglo XX- el panorama de las infecciones bacterianas que mataban a millones de personas dio un giro de 180 grados.

Pero como la naturaleza es sabia y paciente y los antibióticos comenzaron a usarse en forma indiscriminada, comenzaron a aparecer nuevas cepas (versiones) de bacterias “resistentes” que lograban -y lo hacen cada vez mejor- soportar indemnes el asedio de antibióticos que, hace apenas unas décadas, las barrían totalmente.

Logran un avance clave contra el cáncer gracias a la bioinformática

Este fenómeno preocupa hasta la misma Organización Mundial de la Salud porque decenas de infecciones antes tratables se estén volviendo mortales. Por ejemplo, según un estudio publicado en la revista médica The Lancet, en el año 2021 se registraron 1,14 millones de muertes directamente atribuibles a la resistencia bacteriana y podrían crecer 1,91 millones anuales en 2050.

Ahora, como refuerzo a esta “carrera biologica” que la humanidad viene perdiendo, llegó una nueva ayuda: la bioinformática y la inteligencia artificial (IA). Entre ambas están revolucionando la búsqueda de nuevas moléculas antibióticas porque su uso inteligente permite localizar rápidamente los puntos “débiles” de estos microorganismos y priorizar el desarrollo de moléculas capaces de bloquearlos.

Bioinformática y revolución tecnológica: ¿Pegar y cortar para crear vida?

El objetivo es conseguir medicamentos más eficaces, con menos efectos secundarios, en menos tiempo y con una menor inversión. Si esos ahorros llegan al precio final, también podrían facilitar el acceso. Vale recordar que poner en el mercado un nuevo medicamento puede costarle a los laboratorios más de mil millones de dólares.

Dr Darío Fernández Do Porto, investigador del Conicet
Dr Darío Fernández Do Porto, investigador del Conicet | Crédito: Cedoc - Perfil

En la Argentina, hay grupos trabajando en esta línea de lucha, como el que integra el doctor Darío Fernández Do Porto, investigador del Conicet que trabaja en la Facultad de Ciencias Exactas de la UBA investiga bacterias como la Klebsiella pneumoniae, causante de neumonías y otras infecciones, y el bacilo de la tuberculosis. También desarrollaron “Target Pathogen”, una plataforma para guiar la búsqueda de fármacos.

Do Porto, que también es director de la carrera de especialización en “Bioinformática” del Instituto Universitario IUDPT, explicó que “recurrir a esta opción tecnológica nos permite “acelerar las primeras fases del desarrollo de nuevos medicamentos, minimizando costos y maximizando las posibilidades de éxito”. A continuación, un resumen de la charla que mantuvo con PERFIL.

.

El equipo de investigación en bioinformática
El equipo de investigación en bioinformática | Crédito: Cedoc Perfil

¿Dónde empieza a cambiar el trabajo de descubrir antibióticos?
En la selección de blancos moleculares y de compuestos líderes. Un blanco es una proteína esencial para la bacteria; un compuesto líder es una molécula capaz de unirse a ella y producir el efecto que buscamos. Hoy, recurriendo a la bioinformática, integramos datos de todo tipo para priorizar moléculas que sean buenas candidatas a antibióticos eficaces.

¿Qué información procesan las computadoras?
Datos de genomas, esencialidad de genes, estructuras de proteínas y biología de sistemas. Por ejemplo, la bacteria Klebsiella tiene unas 5.000 proteínas y de ellas entre 1.000 y 1.500 son potencialmente esenciales. Con IA podemos reducirlas a listas de 100 o 200 candidatas a ser “atacadas” en forma eficiente.

¿Cómo se evita que una droga también perjudique al paciente?
Comparamos las proteínas bacterianas con las humanas. Si son demasiado parecidas, existe el riesgo de que el remedio actúe, y dañe, también a la proteína humana. Y entonces la evitamos. Con eso también se logra reducir el daño a la microbiota intestinal de las personas y al medio ambiente general.

La científica que analiza el pasado de las bacterias para buscar claves del futuro biotecnológico

¿Qué aporta específicamente la IA?
Ayuda a predecir la estructura tridimensional de las proteínas y a reconocer cavidades donde podría alojarse una molécula. Además, entrenamos modelos para buscar moléculas similares no solo por su estructura química, sino por su actividad biológica.

¿Con encontrar una molécula alcanza?
No. Que una sustancia se una a una proteína no garantiza que la inhiba, ni que mate a la bacteria. Hay que verificarlo experimentalmente. Para eso colaboramos con equipos de colegas de Brasil y de la Universidad de Manitoba, en Canadá, que hacen pruebas para validar el blanco previsto.

¿Qué proyectos concretos podés contarnos?
Participamos de un consorcio internacional financiado por las fundaciones Gates, Wellcome y Novo Nordisk para desarrollar antimicrobianos contra la bacteria Klebsiella. También trabajamos en tuberculosis y otras bacterias.

¿Es posible trasladar estos avances al sector productivo?
Yo creo que sí. De hecho, con otros dos colegas creamos “LucAI”, una empresa basada en nuestra experiencia científica. Somos 17 personas y ya trabajamos en diseño de drogas, proteínas y otras aplicaciones. Lo hacemos con startups pero también nos contratan empresas grandes tradicionales como Boehringer Ingelheim o el Grupo Insud.

¿Y que pasa con la investigación pública en estos temas?
La verdad es que nuestra startup nos está ayudando a sostener la actividad académica: por ejemplo, algunos doctorandos cobran un sueldo de la empresa y así pueden seguir investigando. Pero claramente tendría que facilitarse mucho más esta vinculación.

Con tanta IA ¿harán falta menos especialistas?
Bueno, si bien las herramientas son cada vez más accesibles, hace falta criterio de personas con experiencia para interpretar los resultados. En biología, los datos son “ruidosos” y la experiencia nos muestra que la IA, sin guías y apreciaciones humanas, también se equivoca. Por ahora no tenemos un antibiótico creado por una computadora listo para venderse. Pero elegir mejor que probar puede evitar fracasos, reducir costos y acercar nuevas terapias a los pacientes.

Una plataforma para encontrar el punto débil

El equipo de Fernández Do Porto desarrolló Target Pathogen, una plataforma bioinformática que permite buscar posibles blancos terapéuticos en bacterias a partir de sus datos genómicos y moleculares. Su objetivo es responder una pregunta decisiva: ¿qué proteína conviene bloquear para frenar al microorganismo sin afectar al paciente?

El sistema combina información sobre funciones esenciales, metabolismo, estructura tridimensional de las proteínas y semejanzas con proteínas humanas. Así genera un listado priorizado de candidatos, en lugar de obligar a examinar todas las alternativas por igual. El laboratorio de la UBA presenta actualmente Target Pathogen 2.0 y trabaja con herramientas complementarias para identificar moléculas capaces de actuar sobre esos blancos.

La plataforma es útil tanto para patógenos muy estudiados como para microorganismos desatendidos. Pero sus resultados constituyen hipótesis que deben comprobarse en el laboratorio: ninguna predicción informática reemplaza las pruebas de eficacia y seguridad.

cp

Artículos Relacionados

También en Perfil