{"id":51693,"date":"2024-03-28T23:57:26","date_gmt":"2024-03-29T04:57:26","guid":{"rendered":"https:\/\/einsteresante.com\/?p=51693"},"modified":"2024-03-28T23:57:27","modified_gmt":"2024-03-29T04:57:27","slug":"ia-generativa-desarrolla-nuevos-medicamentos-potenciales-para-bacterias-resistentes-a-los-antibioticos","status":"publish","type":"post","link":"https:\/\/einsteresante.com\/index.php\/2024\/03\/28\/ia-generativa-desarrolla-nuevos-medicamentos-potenciales-para-bacterias-resistentes-a-los-antibioticos\/","title":{"rendered":"IA generativa desarrolla nuevos medicamentos potenciales para bacterias resistentes a los antibi\u00f3ticos"},"content":{"rendered":"\n

Con casi 5 millones de muertes relacionadas con la resistencia a los antibi\u00f3ticos cada a\u00f1o en todo el mundo, se necesitan con urgencia nuevas formas de combatir las cepas bacterianas resistentes. Investigadores de Stanford Medicine y la Universidad McMaster est\u00e1n abordando este problema con inteligencia artificial generativa. Un nuevo modelo, denominado SyntheMol (para sintetizar mol\u00e9culas), cre\u00f3 estructuras y recetas qu\u00edmicas para seis nuevos medicamentos destinados a matar cepas resistentes de Acinetobacter baumannii<\/em>, uno de los principales pat\u00f3genos responsables de las muertes relacionadas con la resistencia a los antibacterianos. Los investigadores describieron su modelo y la validaci\u00f3n experimental de estos nuevos compuestos en un estudio publicado el 22 de marzo en la revista Nature Machine Intelligence<\/a>.<\/p>\n\n\n\n

“Existe una enorme necesidad de salud p\u00fablica de desarrollar r\u00e1pidamente nuevos antibi\u00f3ticos”, afirm\u00f3 James Zou, Ph.D., profesor asociado de ciencia de datos biom\u00e9dicos y coautor principal del estudio. “Nuestra hip\u00f3tesis era que existen muchas mol\u00e9culas potenciales que podr\u00edan ser medicamentos eficaces, pero a\u00fan no las hemos fabricado ni probado. Por eso quer\u00edamos utilizar la IA para dise\u00f1ar mol\u00e9culas completamente nuevas que nunca se han visto en la naturaleza”.<\/p>\n\n\n\n

Antes de la llegada de la IA generativa, el mismo tipo de tecnolog\u00eda de inteligencia artificial que subyace a grandes modelos de lenguaje como ChatGPT, los investigadores hab\u00edan adoptado diferentes enfoques computacionales para el desarrollo de antibi\u00f3ticos. Utilizaron algoritmos para desplazarse por las bibliotecas de medicamentos existentes, identificando aquellos compuestos con mayor probabilidad de actuar contra un pat\u00f3geno determinado. Esta t\u00e9cnica, que examin\u00f3 100 millones de compuestos conocidos, arroj\u00f3 resultados, pero apenas ara\u00f1\u00f3 la superficie al encontrar todos los compuestos qu\u00edmicos que podr\u00edan tener propiedades antibacterianas.<\/p>\n\n\n\n

“El espacio qu\u00edmico es gigantesco”, dijo Kyle Swanson, estudiante de doctorado en ciencias computacionales de Stanford y coautor principal del estudio. “La gente ha estimado que hay cerca de 1.060 posibles mol\u00e9culas similares a f\u00e1rmacos. Por lo tanto, 100 millones no est\u00e1n ni cerca de cubrir todo ese espacio”.<\/p>\n\n\n\n

Alucinando para el desarrollo de drogas
<\/strong>La tendencia de la IA generativa a “alucinar”, o inventar respuestas de la nada, podr\u00eda ser una gran ayuda cuando se trata de descubrir f\u00e1rmacos, pero intentos anteriores de generar nuevos medicamentos con este tipo de IA dieron como resultado compuestos que ser\u00edan imposibles de producir en el mundo real, dijo Swanson. Los investigadores necesitaban poner barreras alrededor de la actividad de SyntheMol, es decir, garantizar que cualquier mol\u00e9cula ideada por el modelo pudiera sintetizarse en un laboratorio.<\/p>\n\n\n\n

“Hemos abordado este problema intentando cerrar la brecha entre el trabajo computacional y la validaci\u00f3n en laboratorio h\u00famedo”, dijo Swanson.<\/p>\n\n\n\n

El modelo fue entrenado para construir f\u00e1rmacos potenciales utilizando una biblioteca de m\u00e1s de 130.000 componentes moleculares y un conjunto de reacciones qu\u00edmicas validadas. Gener\u00f3 no solo el compuesto final sino tambi\u00e9n los pasos que se siguieron con esos componentes b\u00e1sicos, brindando a los investigadores un conjunto de recetas para producir los medicamentos.<\/p>\n\n\n\n

Los investigadores tambi\u00e9n entrenaron el modelo con datos existentes sobre la actividad antibacteriana de diferentes sustancias qu\u00edmicas contra A. baumannii<\/em>. Con estas directrices y su conjunto de componentes b\u00e1sicos, SyntheMol gener\u00f3 alrededor de 25.000 posibles antibi\u00f3ticos y las recetas para elaborarlos en menos de nueve horas. Para evitar que las bacterias desarrollen r\u00e1pidamente resistencia a los nuevos compuestos, los investigadores filtraron los compuestos generados solo para aquellos que eran diferentes de los compuestos existentes.<\/p>\n\n\n\n

“Ahora no s\u00f3lo tenemos mol\u00e9culas completamente nuevas, sino tambi\u00e9n instrucciones expl\u00edcitas sobre c\u00f3mo producirlas”, dijo Zou.<\/p>\n\n\n\n

Un nuevo espacio qu\u00edmico
<\/strong>Los investigadores eligieron los 70 compuestos con mayor potencial para matar la bacteria y trabajaron con la empresa qu\u00edmica ucraniana Enamine para sintetizarlos. La empresa pudo generar de manera eficiente 58 de estos compuestos, seis de los cuales mataron una cepa resistente de A. baumannii<\/em> cuando los investigadores los probaron en el laboratorio. Estos nuevos compuestos tambi\u00e9n mostraron actividad antibacteriana contra otros tipos de bacterias infecciosas propensas a la resistencia a los antibi\u00f3ticos, incluidas E. coli<\/em>, Klebsiella pneumoniae<\/em> y MRSA.<\/p>\n\n\n\n

Los cient\u00edficos pudieron probar m\u00e1s a fondo la toxicidad de dos de los seis compuestos en ratones, ya que los otros cuatro no se disolv\u00edan en agua. Los dos que probaron parec\u00edan seguros. El siguiente paso es probar los medicamentos en ratones infectados con A. baumannii<\/em> para ver si funcionan en un cuerpo vivo, dijo Zou.<\/p>\n\n\n\n

Los seis compuestos son muy diferentes entre s\u00ed y de los antibi\u00f3ticos existentes. Los investigadores no saben c\u00f3mo funcionan sus propiedades antibacterianas a nivel molecular, pero explorar esos detalles podr\u00eda arrojar principios generales relevantes para el desarrollo de otros antibi\u00f3ticos.<\/p>\n\n\n\n

“Esta IA realmente est\u00e1 dise\u00f1ando y ense\u00f1\u00e1ndonos sobre esta parte completamente nueva del espacio qu\u00edmico que los humanos simplemente no han explorado antes”, dijo Zou.<\/p>\n\n\n\n

Zou y Swanson tambi\u00e9n est\u00e1n perfeccionando SyntheMol y ampliando su alcance. Est\u00e1n colaborando con otros grupos de investigaci\u00f3n para utilizar el modelo para el descubrimiento de f\u00e1rmacos para enfermedades card\u00edacas y para crear nuevas mol\u00e9culas fluorescentes para investigaciones de laboratorio.<\/p>\n\n\n\n

Fuente: Tech Xplore<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"

Con casi 5 millones de muertes relacionadas con la resistencia a los antibi\u00f3ticos cada a\u00f1o en todo el mundo, se necesitan con urgencia nuevas formas de combatir las cepas bacterianas resistentes. Investigadores de Stanford Medicine y la Universidad McMaster est\u00e1n abordando este problema con inteligencia artificial generativa. Un nuevo modelo, denominado SyntheMol (para sintetizar mol\u00e9culas), […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[],"class_list":["post-51693","post","type-post","status-publish","format-standard","hentry","category-tecnologia"],"_links":{"self":[{"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/posts\/51693","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/comments?post=51693"}],"version-history":[{"count":8,"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/posts\/51693\/revisions"}],"predecessor-version":[{"id":51701,"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/posts\/51693\/revisions\/51701"}],"wp:attachment":[{"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/media?parent=51693"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/categories?post=51693"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/einsteresante.com\/index.php\/wp-json\/wp\/v2\/tags?post=51693"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}