Los investigadores entrenaron su modelo de aprendizaje profundo utilizando conjuntos de datos sustancialmente ampliados.
Utilizando inteligencia artificial, un equipo científico del Instituto Tecnológico de Massachusetts (MIT) ha logrado identificar una nueva clase de candidatos a antibióticos que pueden matar una bacteria resistente.
En concreto, los científicos, que publican sus hallazgos en la revista Nature, han encontrado dos compuestos "muy prometedores" capaces de eliminar el Staphylococcus aureus resistente a la meticilina (SARM), una bacteria que causa infecciones mortales.
Los experimentos para probarlos se hicieron en cultivos en placas de laboratorio y en ratones; los compuestos muestran una toxicidad muy baja, "lo que los convierte en buenos candidatos a fármacos".
En concreto, los investigadores liderados por James Collins usaron aprendizaje profundo -un método de inteligencia artificial (IA)- y fueron capaces de averiguar qué tipo de información estaba utilizando el modelo para hacer sus predicciones de antibióticos potenciales.
Este conocimiento podría ayudar a la comunidad científica a diseñar fármacos adicionales que podrían funcionar incluso mejor que los identificados por el modelo, resume un comunicado del MIT.
"La idea era poder ver lo que aprendían los modelos para hacer sus predicciones de que ciertas moléculas serían buenas para antibióticos", explica Collins, quien afirma que este trabajo proporciona un marco que, desde el punto de vista de la estructura química, ahorra tiempo, recursos y conocimientos mecánicos.
Los investigadores entrenaron su modelo de aprendizaje profundo utilizando conjuntos de datos sustancialmente ampliados, con datos de miles de compuestos, además de información sobre sus estructuras químicas.
Para averiguar cómo el modelo estaba haciendo sus predicciones, adaptaron un algoritmo conocido como árbol de búsqueda Monte Carlo, que se ha utilizado para ayudar a que otros sistemas de aprendizaje profundo, como AlphaGo, sean más explicables.
Este algoritmo permite al modelo generar no solo una estimación de la actividad antimicrobiana de cada molécula, sino también una predicción de qué subestructuras del compuesto probablemente explican esa actividad.
Además, los investigadores entrenaron otros tres modelos de aprendizaje profundo para predecir si los compuestos eran tóxicos para tres tipos diferentes de células humanas.
Al combinar esta información con las predicciones de actividad antimicrobiana, descubrieron compuestos que podrían matar microbios y, al mismo tiempo, tener efectos adversos mínimos en el cuerpo humano.
Con esta colección de modelos, los investigadores pudieron analizar unos doce millones de compuestos, todos ellos disponibles en el mercado. A partir de este conjunto, los modelos de IA identificaron moléculas de cinco clases diferentes que se predijo que serían activas contra el SARM.
Finalmente, los científicos se fijaron en unos 280 compuestos y los probaron contra el SARM cultivado en una placa de laboratorio, lo que les permitió identificar dos, de la misma clase, que parecían ser candidatos antibióticos muy prometedores.
El SARM, que infecta cada año a más de 80.000 personas en Estados Unidos, suele causar infecciones cutáneas o neumonía. Los casos graves pueden provocar sepsis, una infección del torrente sanguíneo potencialmente mortal.
En las pruebas realizadas en dos modelos de ratón, uno de infección cutánea y otro de infección sistémica, cada uno de esos compuestos redujo la población de SARM.
El estudio forma parte del Proyecto Antibióticos-AI del MIT, que dirige Collins. Su misión es descubrir nuevas clases de este tipo de fármacos contra siete tipos de bacterias mortales, en siete años.
