Semana Mundial de Concientización sobre la Resistencia a los Antimicrobianos

La resistencia a los antibióticos ya no es una amenaza futura: es un problema sanitario del presente.

Cada año mueren cientos de miles de personas por infecciones que hasta hace poco tiempo podían tratarse con antibióticos convencionales, una situación agravada por su uso excesivo en medicina y producción animal.

“Descubrir un antibiótico mediante el método clásico es como buscar una aguja en un pajar: implica probar miles o millones de sustancias hasta encontrar alguna capaz de frenar una bacteria sin dañar al paciente”, explica Darío Fernández Do Porto, doctor en Biología, investigador independiente del Conicet y director de la Especialización en Bioinformática del Instituto Universitario IUDPT.

El rol de la IA

La inteligencia artificial está empezando a cambiar esa lógica. Una estrategia consiste en enseñarle a la IA qué características suelen tener las sustancias capaces de inhibir el crecimiento de una bacteria. Para eso, se la entrena con miles de moléculas cuya actividad antibacteriana ya fue medida en el laboratorio.

“Una vez que aprende a reconocer esos patrones, puede buscarlos entre millones de compuestos y señalar cuáles parecen más prometedores. Así se identificaron moléculas como la halicina, que mostró actividad contra un amplio espectro de bacterias multirresistentes. Los modelos más recientes incluso pueden diseñar moléculas que nunca antes fueron sintetizadas”, continúa el investigador.

Pero buscar directamente moléculas activas no es el único camino. Otra estrategia consiste en comenzar por la bacteria: estudiar su genoma y su funcionamiento para identificar primero cuáles son sus puntos más vulnerables y, recién después, buscar compuestos capaces de atacarlos.

AlphaFold

“Este es el enfoque que seguimos en nuestro grupo desde hace más de una década. Integramos información genómica, redes metabólicas, expresión génica y la estructura tridimensional de las proteínas para reconocer cuáles son indispensables para la supervivencia del microorganismo, cuáles son diferentes de las proteínas humanas, para reducir el riesgo de afectar nuestras propias células, y cuáles podrían convertirse en blancos para el desarrollo de nuevos medicamentos”, asegura.

Un avance decisivo en este campo fue AlphaFold, un sistema de inteligencia artificial capaz de predecir la estructura tridimensional de muchas proteínas con una precisión cercana a la obtenida experimentalmente. Su impacto trasciende el estudio de los antibióticos, porque conocer la forma de una proteína permite comprender mejor su función y explorarla como posible blanco terapéutico para distintas enfermedades.

“Esta lógica es la que guía Target-Pathogen, una plataforma web abierta que desarrollamos desde 2018 para analizar genomas completos y priorizar posibles blancos terapéuticos. Actualmente, estamos ampliando la plataforma para incorporar inteligencia artificial, predicción de estructuras y búsqueda de compuestos”, indica el científico.

El foco actual: Klebsiella pneumoniae

“Este tipo de estrategia ya permitió a investigadores de nuestro equipo identificar nuevos inhibidores de PknG, una proteína de Mycobacterium tuberculosis, y demostrar experimentalmente que esos compuestos podían bloquear su actividad. Sin embargo, no alcanza con inhibir un blanco: el compuesto también debe ingresar en la bacteria, evitar ser expulsado y resultar seguro para el paciente”, insiste.

“A lo largo de estos años aplicamos este enfoque a numerosos patógenos e identificamos distintos blancos y compuestos candidatos. Uno de nuestros focos actuales es Klebsiella pneumoniae, una bacteria capaz de causar neumonía, sepsis e infecciones urinarias o de heridas, especialmente graves en pacientes hospitalizados o inmunocomprometidos. Algunas cepas resisten incluso los antibióticos de último recurso”, añade.

Para avanzar sobre esa investigación, el equipo liderado por Fernández Do Porto conformó un consorcio internacional con grupos de Argentina, Brasil y Canadá. La propuesta fue uno de los 18 proyectos seleccionados para integrar Gr-ADI, una iniciativa mundial impulsada por la Gates Foundation, la Novo Nordisk Foundation y Wellcome para acelerar el descubrimiento de antibióticos contra bacterias Gram negativas.

Proyecto de 3 años

El proyecto tendrá una duración de tres años y combinará inteligencia artificial, biología estructural y validación experimental. La meta no es prometer un medicamento terminado, sino obtener compuestos líderes que puedan avanzar hacia la optimización química, los estudios preclínicos y, posteriormente, los ensayos clínicos.

“Aunque los resultados son prometedores, todavía queda un largo camino por recorrer. Hasta septiembre de 2026 todavía no se aprobó ningún antibiótico descubierto o diseñado principalmente mediante inteligencia artificial. La IA no produce antibióticos por arte de magia: maximiza las probabilidades. Permite descartar antes aquello que probablemente fracasará y concentrar los experimentos en los candidatos más prometedores. En un proceso que puede demandar más de diez años, acortar las primeras etapas de años a meses representa un avance decisivo y una oportunidad para que la ciencia pública argentina sea protagonista en la búsqueda mundial de nuevos tratamientos”, completa el investigador independiente del Conicet y coordinador de la Especialización en Bioinformática del Instituto Universitario IUDPT.

Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.