¿Cómo vamos a vencer
a este nuevo coronavirus?
Con nuestras mejores herramientas:
la ciencia y la tecnología.
En mi laboratorio, usamos herramientas
de la inteligencia artificial
y la biología sintética
para acelerar la pelea contra la pandemia.
Nuestro trabajo
fue diseñado originalmente
para abordar la crisis de
resistencia a los antibióticos.
Nuestro proyecto busca aprovechar
el poder del aprendizaje automático
para reponer nuestro arsenal
de antibióticos
y evitar una devastadora
era mundial post-antibiótica.
Es importante señalar que
puede usarse la misma tecnología
para buscar compuestos antivirales
eso podrían ayudarnos a combatir
la pandemia actual.
El aprendizaje automático
está cambiando por completo
el modelo tradicional
de descubrimiento de drogas.
Con este enfoque,
en lugar de probar minuciosamente
miles de moléculas existentes
una por una en el laboratorio
buscando su efectividad,
podemos entrenar a una computadora
para explorar el espacio
exponencialmente más grande
de todas las moléculas posibles
que podrían sintetizarse,
y así, en lugar de buscar
una aguja en un pajar,
podemos usar el imán gigante
de la potencia de cómputo
para encontrar muchas agujas
en varios pajares, en simultáneo.
Ya hemos tenido un éxito temprano.
Hace poco, usamos aprendizaje automático
para descubrir nuevos antibióticos
que nos puedan ayudar a combatir
infecciones bacterianas
que puedan ocurrir junto
a infecciones por SARS-CoV-2.
Hace dos meses, el Proyecto Audaz de TED
aprobó financiación para nosotros
para ampliar masivamente nuestro trabajo
y así descubrir siete nuevas
clases de antibióticos
contra siete de los patógenos
bacterianos mortales del mundo
durante los próximos siete años.
Para tener contexto:
la cantidad de clases de antibióticos
descubiertas en las últimas
tres décadas es cero.
Si bien la búsqueda de nuevos
antibióticos es a mediano plazo,
el nuevo coronavirus plantea
una amenaza mortal inmediata,
y me entusiasma compartir que pensamos
que podemos usar la misma tecnología
para buscar una acción terapéutica
que pueda combatir este virus.
¿Cómo lo vamos a hacer?
Estamos creando una biblioteca
de entrenamiento compuesto
con colaboradores que
aplican estas moléculas
a células infectadas con SARS-CoV-2
para ver cuál de ellas
presenta una actividad efectiva.
Estos datos se usarán para entrenar
un modelo de aprendizaje automático
que se aplicará a una biblioteca in silico
de más de mil millones de moléculas
en búsqueda de potenciales
y novedosos compuestos antivirales.
Sintetizaremos y probaremos
las mejores predicciones
y haremos pruebas clínicas de
las candidatas más prometedoras.
¿Suena demasiado bueno para ser verdad?
Pues no debería.
El Proyecto de Antibióticos IA se basa
en la prueba de investigación de concepto
que nos condujo al descubrimiento de
un nuevo antibiótico de amplio espectro
llamado Halocin.
El Halocin tiene una potente
actividad antibacteriana
contra casi todos
los patógenos bacterianos
resistentes a los antibióticos,
incluyendo las infecciones intratables
o panresistentes.
Es interesante señalar que, en contraste
con los antibióticos actuales,
la frecuencia con que las bacterias
desarrollan resistencia contra el Halocin
es notablemente baja.
Probamos la capacidad de las bacterias
para desarrollar resistencia al Halocin
así como a la Cipro en el laboratorio.
En el caso de la Cipro,
después de un día, ya vimos resistencia.
En el caso del Halocin,
pasado un día, no vimos resistencia.
Sorprendentemente,
incluso después de 30 días,
no vimos resistencia contra el Halocin.
En este proyecto piloto, primero probamos
unos 2500 compuestos contra E. coli.
Este conjunto de entrenamiento
incluyó antibióticos conocidos,
como Cipro y penicilina,
así como muchas drogas
que no son antibióticos.
Usamos estos datos para entrenar un modelo
y aprender características moleculares
asociadas con la actividad antibacteriana.
Luego aplicamos este modelo a una
biblioteca de reutilización de drogas
que consta de varios miles de moléculas
y pedimos al modelo
que identificara moléculas
que se predice tienen
propiedades antibacterianas
pero no se parecen
a los antibióticos existentes.
Curiosamente, solo una molécula de esa
biblioteca se ajusta a estos criterios,
y esa molécula resultó ser el Halocin.
Dado que el Halocin no se parece
a ningún antibiótico existente,
hubiera sido imposible para un humano
incluyendo un experto en antibióticos,
identificar al Halocin de esta manera.
Imaginen ahora lo que podríamos hacer
con esta tecnología
contra el SARS-CoV-2.
Y eso no es todo.
También estamos usando herramientas
de biología sintética,
jugando con el ADN
y otra maquinaria celular,
para servir a propósitos humanos
como combatir la COVID-19,
y, cabe señalar, estamos trabajando
para desarrollar una mascarilla protectora
que también pueda servir
como prueba de diagnóstico rápido.
¿Cómo funciona?
Bueno, recientemente demostramos
que se puede extraer la maquinaria
celular de una célula viva
y liofilizarla junto con
sensores de ARN en papel
para crear diagnóstico de bajo costo
para el Ébola y el Zika.
Los sensores se activan al rehidratarse
con una muestra del paciente
que podría ser de sangre
o saliva, por ejemplo.
Pero resulta que esta tecnología
no se limita al papel
y puede aplicarse a otros materiales,
incluida la tela.
Para la pandemia de COVID-19,
estamos diseñando sensores de ARN
para detectar el virus
y liofilizándolos junto con
la maquinaria celular necesaria
en la tela de una mascarilla,
donde el simple acto de respirar
junto con el vapor que eso conlleva,
puede activar la prueba.
Por lo tanto, si un paciente
está infectado con SARS-CoV-2,
la mascarilla producirá
una señal fluorescente
detectable con un simple y económico
dispositivo de mano.
En una o dos horas,
podría realizarse un diagnóstico
de forma segura, remota y precisa.
También estamos usando biología sintética
para diseñar una candidata a vacuna
para la COVID-19.
Estamos reutilizando la vacuna BCG,
que se había usado contra la tuberculosis
durante casi un siglo.
Es una vacuna viva atenuada,
y la estamos diseñando para
expresar antígenos de SARS-CoV-2,
lo que debería desencadenar
que el sistema inmune
produzca anticuerpos protectores.
Es importante destacar que la BCG
es enormemente escalable
y tiene un perfil de seguridad
mejor que cualquier vacuna informada.
Con las herramientas de biología sintética
e inteligencia artificial
podemos ganar la pelea
contra este nuevo coronavirus.
Este trabajo está en sus primeras
etapas, pero la promesa es real.
La ciencia y la tecnología
pueden darnos una ventaja importante
en la batalla del ingenio humano
contra los genes de los superbichos.
Una batalla que podemos ganar.
Gracias.