0:00:00.917,0:00:03.825
¿Cómo vamos a vencer[br]a este nuevo coronavirus?

0:00:04.317,0:00:06.948
Con nuestras mejores herramientas:

0:00:06.972,0:00:09.011
la ciencia y la tecnología.

0:00:09.434,0:00:12.726
En mi laboratorio, usamos herramientas[br]de la inteligencia artificial

0:00:12.750,0:00:14.329
y la biología sintética

0:00:14.353,0:00:17.413
para acelerar la pelea contra la pandemia.

0:00:17.869,0:00:19.941
Nuestro trabajo [br]fue diseñado originalmente

0:00:19.965,0:00:22.818
para abordar la crisis de [br]resistencia a los antibióticos.

0:00:22.842,0:00:27.281
Nuestro proyecto busca aprovechar[br]el poder del aprendizaje automático

0:00:27.281,0:00:29.401
para reponer nuestro arsenal [br]de antibióticos

0:00:29.425,0:00:33.263
y evitar una devastadora [br]era mundial post-antibiótica.

0:00:33.685,0:00:36.505
Es importante señalar que [br]puede usarse la misma tecnología

0:00:36.529,0:00:38.601
para buscar compuestos antivirales

0:00:38.625,0:00:41.303
eso podrían ayudarnos a combatir[br]la pandemia actual.

0:00:41.980,0:00:45.012
El aprendizaje automático [br]está cambiando por completo

0:00:45.012,0:00:47.458
el modelo tradicional [br]de descubrimiento de drogas.

0:00:47.458,0:00:48.683
Con este enfoque,

0:00:48.683,0:00:52.471
en lugar de probar minuciosamente[br]miles de moléculas existentes

0:00:52.471,0:00:55.638
una por una en el laboratorio[br]buscando su efectividad,

0:00:55.638,0:00:57.625
podemos entrenar a una computadora

0:00:57.625,0:01:00.513
para explorar el espacio[br]exponencialmente más grande

0:01:00.537,0:01:03.893
de todas las moléculas posibles[br]que podrían sintetizarse,

0:01:03.955,0:01:09.349
y así, en lugar de buscar[br]una aguja en un pajar,

0:01:09.493,0:01:13.253
podemos usar el imán gigante[br]de la potencia de cómputo

0:01:13.420,0:01:17.335
para encontrar muchas agujas[br]en varios pajares, en simultáneo.

0:01:18.423,0:01:20.415
Ya hemos tenido un éxito temprano.

0:01:21.010,0:01:26.475
Hace poco, usamos aprendizaje automático[br]para descubrir nuevos antibióticos

0:01:26.475,0:01:29.223
que nos puedan ayudar a combatir[br]infecciones bacterianas

0:01:29.223,0:01:32.694
que puedan ocurrir junto[br]a infecciones por SARS-CoV-2.

0:01:33.181,0:01:37.350
Hace dos meses, el Proyecto Audaz de TED[br]aprobó financiación para nosotros

0:01:37.374,0:01:39.562
para ampliar masivamente nuestro trabajo

0:01:39.586,0:01:44.214
y así descubrir siete nuevas [br]clases de antibióticos

0:01:44.238,0:01:47.721
contra siete de los patógenos [br]bacterianos mortales del mundo

0:01:47.745,0:01:49.800
durante los próximos siete años.

0:01:50.206,0:01:51.939
Para tener contexto:

0:01:51.963,0:01:53.891
la cantidad de clases de antibióticos

0:01:53.915,0:01:56.980
descubiertas en las últimas [br]tres décadas es cero.

0:01:58.030,0:02:01.601
Si bien la búsqueda de nuevos [br]antibióticos es a mediano plazo,

0:02:01.625,0:02:06.277
el nuevo coronavirus plantea[br]una amenaza mortal inmediata,

0:02:06.301,0:02:10.094
y me entusiasma compartir que pensamos[br]que podemos usar la misma tecnología

0:02:10.094,0:02:13.153
para buscar una acción terapéutica[br]que pueda combatir este virus.

0:02:13.486,0:02:15.205
¿Cómo lo vamos a hacer?

0:02:15.229,0:02:18.177
Estamos creando una biblioteca[br]de entrenamiento compuesto

0:02:18.177,0:02:21.219
con colaboradores que[br]aplican estas moléculas

0:02:21.219,0:02:23.767
a células infectadas con SARS-CoV-2

0:02:23.767,0:02:27.661
para ver cuál de ellas [br]presenta una actividad efectiva.

0:02:27.960,0:02:31.391
Estos datos se usarán para entrenar[br]un modelo de aprendizaje automático

0:02:31.391,0:02:35.461
que se aplicará a una biblioteca in silico[br]de más de mil millones de moléculas

0:02:35.485,0:02:39.689
en búsqueda de potenciales[br]y novedosos compuestos antivirales.

0:02:40.324,0:02:42.982
Sintetizaremos y probaremos[br]las mejores predicciones

0:02:42.982,0:02:45.921
y haremos pruebas clínicas de[br]las candidatas más prometedoras.

0:02:46.260,0:02:48.158
¿Suena demasiado bueno para ser verdad?

0:02:48.158,0:02:49.590
Pues no debería.

0:02:49.590,0:02:53.393
El Proyecto de Antibióticos IA se basa[br]en la prueba de investigación de concepto

0:02:53.393,0:02:56.978
que nos condujo al descubrimiento de[br]un nuevo antibiótico de amplio espectro

0:02:56.978,0:02:58.013
llamado Halocin.

0:02:58.443,0:03:01.549
El Halocin tiene una potente[br]actividad antibacteriana

0:03:01.549,0:03:04.366
contra casi todos [br]los patógenos bacterianos

0:03:04.366,0:03:05.916
resistentes a los antibióticos,

0:03:05.916,0:03:09.047
incluyendo las infecciones intratables[br]o panresistentes.

0:03:09.047,0:03:12.436
Es interesante señalar que, en contraste[br]con los antibióticos actuales,

0:03:12.436,0:03:16.114
la frecuencia con que las bacterias[br]desarrollan resistencia contra el Halocin

0:03:16.114,0:03:17.448
es notablemente baja.

0:03:18.303,0:03:23.013
Probamos la capacidad de las bacterias[br]para desarrollar resistencia al Halocin

0:03:23.013,0:03:24.951
así como a la Cipro en el laboratorio.

0:03:25.299,0:03:26.841
En el caso de la Cipro,

0:03:26.865,0:03:29.690
después de un día, ya vimos resistencia.

0:03:30.213,0:03:31.691
En el caso del Halocin,

0:03:31.715,0:03:33.660
pasado un día, no vimos resistencia.

0:03:34.479,0:03:37.781
Sorprendentemente, [br]incluso después de 30 días,

0:03:37.805,0:03:40.219
no vimos resistencia contra el Halocin.

0:03:41.098,0:03:46.624
En este proyecto piloto, primero probamos[br]unos 2500 compuestos contra E. coli.

0:03:47.109,0:03:50.063
Este conjunto de entrenamiento [br]incluyó antibióticos conocidos,

0:03:50.063,0:03:51.809
como Cipro y penicilina,

0:03:51.833,0:03:54.105
así como muchas drogas[br]que no son antibióticos.

0:03:54.984,0:03:57.571
Usamos estos datos para entrenar un modelo

0:03:57.595,0:04:01.573
y aprender características moleculares[br]asociadas con la actividad antibacteriana.

0:04:01.943,0:04:05.344
Luego aplicamos este modelo a una [br]biblioteca de reutilización de drogas

0:04:05.344,0:04:07.472
que consta de varios miles de moléculas

0:04:07.496,0:04:10.114
y pedimos al modelo[br]que identificara moléculas

0:04:10.138,0:04:12.922
que se predice tienen[br]propiedades antibacterianas

0:04:12.946,0:04:15.419
pero no se parecen[br]a los antibióticos existentes.

0:04:16.427,0:04:21.224
Curiosamente, solo una molécula de esa[br]biblioteca se ajusta a estos criterios,

0:04:21.248,0:04:23.424
y esa molécula resultó ser el Halocin.

0:04:24.444,0:04:27.532
Dado que el Halocin no se parece[br]a ningún antibiótico existente,

0:04:27.556,0:04:31.710
hubiera sido imposible para un humano[br]incluyendo un experto en antibióticos,

0:04:31.734,0:04:33.918
identificar al Halocin de esta manera.

0:04:34.538,0:04:37.228
Imaginen ahora lo que podríamos hacer[br]con esta tecnología

0:04:37.228,0:04:38.969
contra el SARS-CoV-2.

0:04:39.783,0:04:41.148
Y eso no es todo.

0:04:41.172,0:04:43.992
También estamos usando herramientas[br]de biología sintética,

0:04:44.016,0:04:46.627
jugando con el ADN[br]y otra maquinaria celular,

0:04:46.651,0:04:50.561
para servir a propósitos humanos[br]como combatir la COVID-19,

0:04:50.561,0:04:54.256
y, cabe señalar, estamos trabajando[br]para desarrollar una mascarilla protectora

0:04:54.256,0:04:57.688
que también pueda servir[br]como prueba de diagnóstico rápido.

0:04:58.012,0:04:59.444
¿Cómo funciona?

0:04:59.444,0:05:01.001
Bueno, recientemente demostramos

0:05:01.001,0:05:03.884
que se puede extraer la maquinaria[br]celular de una célula viva

0:05:03.884,0:05:07.976
y liofilizarla junto con[br]sensores de ARN en papel

0:05:08.000,0:05:12.916
para crear diagnóstico de bajo costo[br]para el Ébola y el Zika.

0:05:13.503,0:05:18.730
Los sensores se activan al rehidratarse[br]con una muestra del paciente

0:05:18.754,0:05:21.576
que podría ser de sangre[br]o saliva, por ejemplo.

0:05:21.600,0:05:24.861
Pero resulta que esta tecnología[br]no se limita al papel

0:05:24.885,0:05:27.771
y puede aplicarse a otros materiales,[br]incluida la tela.

0:05:28.671,0:05:30.613
Para la pandemia de COVID-19,

0:05:30.637,0:05:34.983
estamos diseñando sensores de ARN[br]para detectar el virus

0:05:35.007,0:05:38.217
y liofilizándolos junto con [br]la maquinaria celular necesaria

0:05:38.241,0:05:40.948
en la tela de una mascarilla,

0:05:40.972,0:05:43.201
donde el simple acto de respirar

0:05:43.225,0:05:45.502
junto con el vapor que eso conlleva,

0:05:45.526,0:05:47.286
puede activar la prueba.

0:05:47.804,0:05:51.904
Por lo tanto, si un paciente[br]está infectado con SARS-CoV-2,

0:05:51.904,0:05:54.185
la mascarilla producirá[br]una señal fluorescente

0:05:54.185,0:05:58.015
detectable con un simple y económico[br]dispositivo de mano.

0:05:58.534,0:06:03.018
En una o dos horas, [br]podría realizarse un diagnóstico

0:06:03.042,0:06:06.014
de forma segura, remota y precisa.

0:06:06.735,0:06:09.255
También estamos usando biología sintética

0:06:09.279,0:06:11.999
para diseñar una candidata a vacuna [br]para la COVID-19.

0:06:13.014,0:06:15.547
Estamos reutilizando la vacuna BCG,

0:06:15.547,0:06:18.585
que se había usado contra la tuberculosis[br]durante casi un siglo.

0:06:18.585,0:06:20.126
Es una vacuna viva atenuada,

0:06:20.150,0:06:24.807
y la estamos diseñando para[br]expresar antígenos de SARS-CoV-2,

0:06:24.831,0:06:27.645
lo que debería desencadenar [br]que el sistema inmune

0:06:27.669,0:06:29.304
produzca anticuerpos protectores.

0:06:29.328,0:06:32.062
Es importante destacar que la BCG[br]es enormemente escalable

0:06:32.086,0:06:36.659
y tiene un perfil de seguridad [br]mejor que cualquier vacuna informada.

0:06:37.881,0:06:42.986
Con las herramientas de biología sintética[br]e inteligencia artificial

0:06:43.010,0:06:46.358
podemos ganar la pelea[br]contra este nuevo coronavirus.

0:06:46.844,0:06:50.163
Este trabajo está en sus primeras[br]etapas, pero la promesa es real.

0:06:50.798,0:06:54.133
La ciencia y la tecnología[br]pueden darnos una ventaja importante

0:06:54.133,0:06:57.452
en la batalla del ingenio humano[br]contra los genes de los superbichos.

0:06:57.452,0:06:59.199
Una batalla que podemos ganar.

0:06:59.940,0:07:00.673
Gracias.