En el mundo de la microbiología, la resistencia antimicrobiana (RAM) se ha convertido en una amenaza creciente para la salud pública global. La búsqueda de nuevos antibióticos es una carrera contra el tiempo, y en este contexto, el artículo publicado en la revista CELL, titulado “Discovery of antimicrobial peptides in the global microbiome with machine learning”, representa un avance significativo en la lucha contra esta crisis.
El estudio, llevado a cabo por un equipo internacional de investigadores, incluyendo al profesor asociado Luis Pedro Coelho de la Universidad Tecnológica de Queensland (QUT), ha marcado un hito en la identificación de péptidos antimicrobianos (AMPs) mediante el uso de aprendizaje automático. Los AMPs son pequeñas moléculas que pueden matar o inhibir el crecimiento de microbios infecciosos, y su descubrimiento es crucial para el desarrollo de nuevos antibióticos.
El equipo de investigación utilizó técnicas de inteligencia artificial para analizar metagenomas, que contienen la información genética de más de un millón de organismos, provenientes de diferentes entornos como marinos, terrestres y los microbiomas de humanos y animales. Este análisis masivo resultó en la identificación de casi un millón de AMPs prometedores, muchos de los cuales (más del 90%) no se habían registrado previamente en bases de datos existentes.
La relevancia de este descubrimiento es doble. Por un lado, ofrece una nueva esperanza en la búsqueda de antibióticos eficaces contra patógenos resistentes a los medicamentos actuales. Por otro lado, demuestra el poder del aprendizaje automático para acelerar y optimizar la investigación científica utilizando algoritmos de aprendizaje automático para analizar datos genómicos y representa un enfoque más sostenible para el descubrimiento de fármacos.
Para validar estos hallazgos, los investigadores sintetizaron 100 de estos péptidos y los probó contra 11 cepas de bacterias patógenas, incluyendo cepas resistentes a antibióticos. Los resultados iniciales revelaron que 63 de estos 100 candidatos eliminaron completamente el crecimiento de al menos una de las cepas de bacterias probadas, y en algunos casos, incluso a muy bajas dosis. Algunos de estos péptidos también demostraron ser efectivos en la eliminación de infecciones en modelos preclínicos con ratones.
Los péptidos identificados proceden de una amplia variedad de hábitats, incluyendo saliva humana, intestinos de cerdos, suelo, plantas, corales y muchos otros organismos terrestres y marinos. Esto valida el enfoque amplio de los investigadores al explorar los datos biológicos mundiales.
El estudio no solo proporciona una base de datos exhaustiva de AMPs, denominada AMPSphere, sino que también la pone a disposición del público como un recurso de acceso abierto. Esto facilitará la investigación futura y el descubrimiento de nuevos antibióticos, permitiendo a los científicos de todo el mundo beneficiarse de estos hallazgos y marcar el comienzo de una nueva era en el descubrimiento de antibióticos.
La metodología empleada en este estudio es un ejemplo sobresaliente de cómo la tecnología de aprendizaje automático puede aplicarse para resolver problemas complejos en la ciencia. La capacidad de procesar y analizar grandes conjuntos de datos genómicos abre nuevas puertas para la exploración del microbioma global y la identificación de compuestos bioactivos.
El artículo es un testimonio del potencial que tiene la combinación de la biología y la inteligencia artificial para enfrentar desafíos de salud de gran envergadura. Con la RAM en aumento y la necesidad urgente de nuevos antibióticos, este tipo de investigaciones son fundamentales para asegurar un futuro más saludable para la humanidad.
La investigación de hoy es la terapia del futuro.