Cómo usamos la IA para descubrir nuevos antibióticos

Antes de la pandemia de coronavirus, el bioingeniero Jim Collins y su equipo combinaron el poder de la IA con la biología sintética en un esfuerzo por combatir una crisis inminente: los superbichos resistentes a los antibióticos. Collins explica cómo pivotaron sus esfuerzos para empezar a desarrollar una serie de herramientas y compuestos antivirales para ayudar a combatir el COVID-19, y comparte su plan para descubrir siete nuevas clases de antibióticos en los próximos siete años. (Este ambicioso plan es parte del Proyecto Audaz, la iniciativa de TED para inspirar y financiar el cambio global).

¿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.