En una señal prometedora de la demanda de antibióticos más seguros y eficaces para los seres humanos, investigadores de la Universidad de Texas en Austin han aprovechado la inteligencia artificial para desarrollar un nuevo fármaco que ya se ha mostrado prometedor en ensayos con animales.
Publicar sus resultados Ingeniería Biomédica de la Naturalezalos científicos describen el uso de un modelo de lenguaje grande, una herramienta de inteligencia artificial como la que impulsa ChatGPT, para diseñar una versión de un medicamento que mata bacterias que anteriormente era tóxico para los humanos, de modo que sea seguro de usar.
El pronóstico para los pacientes con infecciones bacterianas graves ha empeorado en los últimos años a medida que se han extendido cepas bacterianas resistentes a los antibióticos y se ha estancado el desarrollo de nuevas opciones de tratamiento. Sin embargo, los investigadores de UT dicen que las herramientas de inteligencia artificial están cambiando las reglas del juego.
“Hemos descubierto que los modelos de lenguaje grandes son un paso importante para las aplicaciones de aprendizaje automático en la ingeniería de proteínas y péptidos”, dijo Claus Wilk, profesor de biología integrativa y estadística y ciencias de datos, y coautor principal del nuevo artículo. “Muchos casos de uso que no eran posibles con enfoques anteriores ahora están comenzando a funcionar. Predigo que estos y enfoques similares se usarán ampliamente en terapias o desarrollo de fármacos en el futuro”.
Los modelos de lenguaje grande, o LLM, se diseñaron originalmente para generar y explorar secuencias de texto, pero los científicos están encontrando formas creativas de aplicar estos modelos a otros dominios. Por ejemplo, así como las oraciones se componen de secuencias de palabras, las proteínas se componen de secuencias de aminoácidos. Los LLM agrupan palabras que comparten atributos comunes (como gato, perro y hámster) en lo que se conoce como un “espacio de incrustación” con miles de dimensiones. Del mismo modo, las proteínas con funciones similares, como la capacidad de combatir bacterias peligrosas sin dañar a las personas que las albergan, pueden agruparse en su propia versión de un espacio de incrustación de IA.
“El espacio que contiene todas las moléculas es enorme”, dijo Davis, coautor principal del nuevo artículo. “El aprendizaje automático nos permite encontrar regiones del espacio químico que tienen las propiedades que nos interesan, y podemos hacerlo mucho más rápido y más minuciosamente que los enfoques estándar de laboratorio únicos”.
Para este proyecto, los investigadores utilizaron IA para identificar formas de rediseñar un antibiótico existente llamado protegrina-1, que es excelente para matar bacterias, pero tóxico para las personas. La protegrina-1, que los cerdos producen naturalmente para combatir infecciones, es parte de una subclase de antibióticos llamados péptidos antimicrobianos (AMP). Los AMP generalmente matan las bacterias directamente al alterar las membranas celulares, pero muchos atacan tanto a las células bacterianas como a las humanas.
Primero, los investigadores utilizaron un método de alto rendimiento que habían desarrollado previamente para generar más de 7.000 mutaciones de proteogrina-1 y rápidamente identificaron regiones de AMP que afectaban su actividad antibiótica y que podían cambiarse sin perderlas.
Luego, entrenaron un LLM de proteínas con estos resultados para que el modelo pudiera evaluar millones de posibles mutaciones para tres propiedades: apuntar selectivamente a las membranas bacterianas, potencialmente matar las bacterias, y no dañar los glóbulos rojos humanos para que todos caigan en su punto óptimo. , el modelo ayudó a guiar al equipo hacia una versión más segura y eficaz de Protegrin-1, a la que llamaron Protegrin-1.2 selectiva de bacterias (llamada bsPG-1.2).
Los ratones infectados con bacterias resistentes a múltiples fármacos y tratados con bsPG-1.2 tenían significativamente menos probabilidades de tener bacterias viables en sus órganos seis horas después de la infección, en comparación con los ratones no tratados. Si más pruebas arrojan resultados positivos similares, los investigadores esperan eventualmente llevar una versión del antibiótico basado en IA a ensayos en humanos.
“El impacto del aprendizaje automático es doble”, afirmó Davis. “Identificará nuevas moléculas que pueden tener el potencial de ayudar a las personas y nos mostrará cómo podemos tomar estas moléculas antibióticas existentes, mejorarlas y hacer que funcionen. Podemos concentrarnos en su trabajo para brindar práctica clínica más rápidamente. “
El proyecto destaca cómo los investigadores académicos están avanzando en la inteligencia artificial para satisfacer las necesidades de la sociedad, un tema clave en UT Austin este año, que ha designado 2024 como el Año de la IA.
Otros autores del estudio son el investigador asociado Justin Randall y la estudiante de posgrado Louise Vieira, ambos de UT Austin.
La financiación para la investigación provino de los Institutos Nacionales de Salud, la Fundación Welch, la Agencia de Reducción de Amenazas de Defensa y Tito’s Handmade Vodka.
