¿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.