Cient\u00edficos encuentran dos compuestos ‘muy prometedores’ capaces de eliminar el Staphylococcus aureus resistente a la meticilina, una bacteria que causa infecciones mortales<\/p>\n\n\n\n
Utilizando inteligencia artificial (IA)<\/strong>, un equipo cient\u00edfico del Instituto Tecnol\u00f3gico de Massachusetts (MIT) logr\u00f3 identificar una nueva clase de candidatos a antibi\u00f3ticos<\/strong> que pueden matar una bacteria resistente<\/strong>.<\/p>\n\n\n\n En concreto, los cient\u00edficos, que publicaron sus hallazgos en la revista Nature, encontraron dos compuestos “muy prometedores” capaces de eliminar el\u00a0Staphylococcus aureus<\/strong>\u00a0resistente a la meticilina (SARM), una\u00a0bacteria<\/strong>\u00a0que causa infecciones mortales.<\/p>\n\n\n\n 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 f\u00e1rmacos”.<\/p>\n\n\n\n En concreto, los investigadores liderados por James Collins usaron aprendizaje profundo -un m\u00e9todo de inteligencia artificial (IA)<\/strong>– y fueron capaces de averiguar qu\u00e9 tipo de informaci\u00f3n estaba utilizando el modelo para hacer sus predicciones de antibi\u00f3ticos<\/strong> potenciales.<\/p>\n\n\n\n Este conocimiento podr\u00eda ayudar a la comunidad cient\u00edfica a dise\u00f1ar f\u00e1rmacos adicionales <\/strong>que podr\u00edan funcionar incluso mejor que los identificados por el modelo, resume un comunicado del MIT.<\/p>\n\n\n\n “La idea era poder ver lo que aprend\u00edan los modelos para hacer sus predicciones de que ciertas mol\u00e9culas ser\u00edan buenas para\u00a0antibi\u00f3ticos<\/strong>“, explic\u00f3 Collins, quien afirm\u00f3 que este trabajo proporciona un marco que, desde el punto de vista de la estructura qu\u00edmica, ahorra tiempo, recursos y conocimientos mec\u00e1nicos.<\/p>\n\n\n\n Los investigadores entrenaron su modelo de aprendizaje profundo utilizando conjuntos de datos sustancialmente ampliados, con datos de miles de compuestos, adem\u00e1s de informaci\u00f3n sobre sus estructuras qu\u00edmicas.<\/p>\n\n\n\n Para averiguar c\u00f3mo el modelo estaba haciendo sus predicciones, adaptaron un\u00a0algoritmo\u00a0<\/strong>conocido como \u00e1rbol de b\u00fasqueda Monte Carlo, que se ha utilizado para ayudar a que otros sistemas de aprendizaje profundo, como AlphaGo, sean m\u00e1s explicables.<\/p>\n\n\n\n Este algoritmo<\/strong> permite al modelo generar no solo una estimaci\u00f3n de la actividad antimicrobiana<\/strong> de cada mol\u00e9cula, sino tambi\u00e9n una predicci\u00f3n de qu\u00e9 subestructuras del compuesto probablemente explican esa actividad.<\/p>\n\n\n\n Adem\u00e1s, los investigadores entrenaron otros tres modelos de aprendizaje profundo para predecir si los compuestos eran t\u00f3xicos para tres tipos diferentes de c\u00e9lulas humanas.<\/p>\n\n\n\n Al combinar esta informaci\u00f3n con las predicciones de actividad antimicrobiana, descubrieron compuestos que podr\u00edan matar\u00a0microbios<\/strong>\u00a0y, al mismo tiempo, tener efectos adversos m\u00ednimos en el cuerpo humano.<\/p>\n\n\n\n Con esta colecci\u00f3n 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<\/strong> identificaron mol\u00e9culas de cinco clases diferentes que se predijo que ser\u00edan activas contra el SARM.<\/p>\n\n\n\n Finalmente, los cient\u00edficos se fijaron en unos 280 compuestos y los probaron contra el SARM cultivado en una placa de laboratorio, lo que les permiti\u00f3 identificar dos, de la misma clase, que parec\u00edan ser candidatos antibi\u00f3ticos muy prometedores.<\/p>\n\n\n\n El\u00a0SARM<\/strong>, que infecta cada a\u00f1o a m\u00e1s de 80,000 personas en Estados Unidos, suele causar infecciones cut\u00e1neas o\u00a0neumon\u00eda<\/strong>. Los casos graves pueden provocar sepsis, una infecci\u00f3n del torrente sangu\u00edneo potencialmente mortal.<\/p>\n\n\n\n En las pruebas realizadas en dos modelos de rat\u00f3n, uno de infecci\u00f3n cut\u00e1nea y otro de infecci\u00f3n sist\u00e9mica, cada uno de esos compuestos redujo la poblaci\u00f3n de SARM<\/strong>.<\/p>\n\n\n\n El estudio forma parte del Proyecto\u00a0Antibi\u00f3ticos-AI\u00a0<\/strong>del MIT, que dirige Collins. Su misi\u00f3n es descubrir nuevas clases de este tipo de f\u00e1rmacos contra siete tipos de bacterias mortales, en siete a\u00f1os.\u00a0<\/p>\n\n\n\n <\/p>\n","protected":false},"excerpt":{"rendered":" Cient\u00edficos encuentran dos compuestos ‘muy prometedores’ capaces de eliminar el Staphylococcus aureus resistente a la meticilina, una bacteria que causa infecciones mortales Utilizando inteligencia artificial (IA), un equipo cient\u00edfico del Instituto Tecnol\u00f3gico de Massachusetts (MIT) logr\u00f3 identificar una nueva clase de candidatos a antibi\u00f3ticos que pueden matar una bacteria resistente. En concreto, los cient\u00edficos, que publicaron sus hallazgos en […]<\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[],"class_list":["post-5919","post","type-post","status-publish","format-standard","category-salud"],"yoast_head":"\n