Imagina que eres un científico que necesita descubrir un nuevo antibiótico para combatir una enfermedad aterradora. ¿Cómo lo encontraría?
Por lo general, tendría que probar muchas moléculas diferentes en el laboratorio hasta que encuentre una que tenga las propiedades necesarias para matar bacterias. Es posible que encuentre algunos contendientes que sean buenos para matar las bacterias solo para darse cuenta de que no puede usarlos porque también resultan tóxicos para los humanos. Es un proceso muy largo, muy caro y probablemente muy agravante.
Pero, ¿y si, en cambio, pudiera simplemente escribir en su computadora las propiedades que está buscando y hacer que su computadora diseñe la molécula perfecta para usted?
Ese es el enfoque general que están adoptando los investigadores de IBM, utilizando un sistema de inteligencia artificial que puede generar automáticamente el diseño de moléculas para nuevos antibióticos. En un nuevo artículo, publicado en Ingeniería Biomédica de la Naturaleza, los investigadores detallan cómo ya lo han usado para diseñar rápidamente dos nuevos péptidos antimicrobianos, pequeñas moléculas que pueden matar bacterias, que son efectivos contra un montón de patógenos diferentes en ratones.
Normalmente, este proceso de descubrimiento de moléculas llevaría años a los científicos. El sistema de inteligencia artificial lo hizo en cuestión de días.
Es una gran noticia, porque necesitamos con urgencia formas más rápidas de crear nuevos antibióticos.
Por qué la resistencia a los antibióticos es un problema tan grande
Cuando se introducen nuevos antibióticos, pueden tener excelentes resultados, incluso que salvan vidas. Desde que se descubrió la penicilina en 1928, iniciando la era moderna de los antibióticos, hemos llegado a confiar en ellos para tratar asesinos como la tuberculosis y para mantenernos a salvo cuando nos sometemos a procedimientos como cesáreas o reemplazos de articulaciones.
Pero los expertos advirtieron que ahora estamos entrando en una era posterior a los antibióticos, una época en la que nuestros antibióticos existentes se están volviendo prácticamente inútiles. Hemos creado esta crisis al abusar de los antibióticos en el tratamiento de cultivos, animales de granja y seres humanos.
Cuanto más abusamos de los antibióticos, más bacterias tienen la posibilidad de adaptarse a nuestros medicamentos, transformándose en superbacterias resistentes a los antibióticos que hacen que nuestros medicamentos sean ineficaces.
Y según un nuevo informe de Pew Charitable Trusts, la pandemia de Covid-19 ha agravado el problema. Los médicos se han inclinado aún más a prescribir antibióticos innecesariamente a los pacientes. Aunque el Covid-19 es una enfermedad viral y los antibióticos no funcionan con los virus, los médicos han estado administrando estos medicamentos a los pacientes para protegerlos contra infecciones secundarias mientras están en el hospital, incluso antes de saber si los pacientes tienen infecciones o no.
Hoy en día, en el tiempo que le toma leer este artículo, una persona en los EE. UU. Morirá a causa de una infección que los antibióticos ya no pueden tratar de manera efectiva debido a nuestro uso excesivo de antibióticos. Y en el transcurso del año, 700.000 personas en todo el mundo morirán de infecciones resistentes a los medicamentos. Ese número anual de muertos podría aumentar a 10 millones para 2050, advirtió un importante informe de la ONU, a menos que hagamos algunos cambios radicales.
Las grandes empresas farmacéuticas y de biotecnología no han creado nuevos antibióticos porque se necesitan muchos años y una gran cantidad de fondos para realizar la investigación y el desarrollo. La mayoría de los compuestos nuevos fallan. Incluso cuando tienen éxito, la recompensa es pequeña: un antibiótico no se vende tan bien como un medicamento que debe tomarse a diario. Para muchas farmacias empresas, el incentivo financiero simplemente no existe.
Pero, ¿si puede utilizar la IA para hacer este trabajo de forma rápida y económica? Bueno, eso podría cambiar el cálculo.
Cómo funciona el sistema de inteligencia artificial de IBM
El nuevo sistema de inteligencia artificial de IBM se basa en algo llamado modelo generativo. Para entenderlo en su nivel más simple, podemos dividirlo en tres pasos básicos.
Primero, los investigadores comienzan con una base de datos masiva de moléculas peptídicas conocidas.
Luego, la IA extrae información de la base de datos y analiza los patrones para descubrir la relación entre las moléculas y sus propiedades. Podría encontrar que cuando una molécula tiene una determinada estructura o composición, tiende a realizar una determinada función. Esto le permite «aprender» las reglas básicas del diseño de moléculas.
Finalmente, los investigadores pueden decirle a la IA exactamente qué propiedades quieren que tenga una nueva molécula. También pueden introducir restricciones (por ejemplo: baja toxicidad, ¡por favor!). Usando esta información sobre rasgos deseables e indeseables, la IA luego diseña nuevas moléculas que satisfacen los parámetros. Los investigadores pueden elegir el mejor de entre ellos y comenzar a realizar pruebas en ratones en un laboratorio.
Como me dijo uno de los coautores del artículo de IBM, Aleksandra Mojsilović, «tienes las perillas para girar y obtienes la molécula que satisface las propiedades».
Los investigadores de IBM afirman que su enfoque superó en un 10 por ciento a otros métodos líderes para diseñar nuevos péptidos antimicrobianos. Descubrieron que pudieron diseñar dos nuevos péptidos antimicrobianos que son altamente potentes contra diversos patógenos, incluida la K.pneumoniae multirresistente, una bacteria conocida por causar infecciones en pacientes hospitalarios. Afortunadamente, los péptidos tenían una toxicidad baja cuando se probaron en ratones, una señal importante sobre su seguridad (aunque no todo lo que es cierto para los ratones termina siendo generalizable a los humanos).
Aplicaciones más amplias, desde tratamientos Covid-19 hasta soluciones para el cambio climático
Esta no es la primera vez que la IA se muestra prometedora para resolver problemas de larga data en biología. El año pasado, el laboratorio de investigación de IA DeepMind resolvió el «problema del plegamiento de proteínas», el desafío de predecir en qué forma 3D se plegará una proteína, que ha dejado perplejos a los biólogos durante 50 años y que tiene implicaciones para el descubrimiento de fármacos. Otro punto a destacar: los investigadores del MIT descubrieron un nuevo tipo de antibiótico al entrenar su IA para predecir qué moléculas tendrían propiedades para matar bacterias.
La investigación de IBM difiere de la del MIT de una manera importante: en lugar de entrenar su IA en moléculas que sabemos que tienen propiedades antimicrobianas (como lo hizo el MIT), IBM entrenó la suya en una base de datos mucho más amplia de todos los péptidos conocidos que existen en la naturaleza. Esa es la diferencia entre comenzar con alrededor de 100.000 puntos de datos y alrededor de 1,7 millones de puntos de datos.
La ventaja de este último es que terminas con un sistema de inteligencia artificial que es «más creativo y generalizable», según Mojsilović. “No queremos estar limitados a solo antimicrobianos. Realmente queremos hacer una herramienta muy genérica que se pueda usar de muchas maneras ”, me dijo.
En este momento, por ejemplo, su equipo está trabajando para descubrir cómo el sistema de inteligencia artificial podría diseñar tratamientos para Covid-19. Cuando llegó la pandemia, explicó: «Seguimos diciendo que podemos usar los mismos algoritmos, pero ahora vamos a buscar de manera un poco diferente, algo que parezca una molécula que pueda unirse a un objetivo Covid».
En una publicación de blog, los investigadores de IBM señalaron que, si bien están entusiasmados con la forma en que el sistema de inteligencia artificial puede acelerar el descubrimiento de antibióticos y mantener a raya a las bacterias resistentes a los antibióticos, también tienen la esperanza de que el sistema pueda tener aplicaciones mucho más amplias. Lo imaginan ayudando a los científicos a «descubrir y diseñar mejores candidatos para medicamentos y terapias más efectivas para enfermedades, materiales para absorber y capturar carbono para ayudar a combatir el cambio climático, materiales para una producción y almacenamiento de energía más inteligente, y mucho más».
No es que este sistema de IA vaya a resolver mágicamente ninguno de estos problemas por sí solo. Pero avanza una estrategia computacional para la resolución de problemas que podría producir beneficios realmente emocionantes y posiblemente salvar muchas vidas.