Desde la década de 1970, el descubrimiento de antibióticos modernos ha experimentado una pausa. Ahora la Organización Mundial de la Salud ha declarado la crisis de resistencia a los antimicrobianos como una de las 10 principales amenazas a la salud pública mundial.
Cuando una infección se trata repetidamente, los médicos corren el riesgo de que las bacterias se vuelvan resistentes a los antibióticos. Pero, ¿por qué reaparecería una infección después de un tratamiento antibiótico adecuado? Una posibilidad bien documentada es que las bacterias se estén volviendo metabólicamente inertes, escapando a la detección de los antibióticos tradicionales que sólo responden a la actividad metabólica. Cuando el peligro ha pasado, las bacterias vuelven a la vida y la infección reaparece.
«La resistencia se produce cada vez más con el tiempo, y las infecciones recurrentes se deben a esta latencia», dice Jackie Valeri, ex becaria de MIT-Takeda (centrada en la Clínica Abdul Latif Jameel de Aprendizaje Automático en Salud del MIT) que recientemente obtuvo su doctorado en biología. ingeniería del Laboratorio Collins. Valeri es el primer autor de un nuevo artículo publicado en la edición impresa de este mes de Biología química celular eso demuestra cómo el aprendizaje automático podría ayudar a detectar compuestos que son letales para las bacterias inactivas.
Las historias de resiliencia bacteriana “similar a la de las durmientes” no son una novedad para la comunidad científica: en los últimos años se han descubierto antiguas cepas bacterianas que datan de hace 100 millones de años vivas en un estado de ahorro de energía en el fondo marino del Océano Pacífico.
El líder de la facultad de Ciencias de la Vida de MIT Jameel Clinic, James J. Collins, profesor Termeer de Ingeniería y Ciencias Médicas en el Instituto de Ingeniería y Ciencias Médicas y el Departamento de Ingeniería Biológica del MIT, recientemente fue noticia por el uso de IA para descubrir una nueva clase de antibióticos, que es parte de la misión más amplia del grupo de utilizar la IA para ampliar drásticamente los antibióticos existentes disponibles.
Según un artículo publicado por La lancetaEn 2019, se podrían haber evitado 1,27 millones de muertes si las infecciones hubieran sido susceptibles a los medicamentos, y uno de los muchos desafíos a los que se enfrentan los investigadores es encontrar antibióticos que puedan atacar a las bacterias metabólicamente inactivas.
En este caso, los investigadores del Laboratorio Collins emplearon IA para acelerar el proceso de encontrar propiedades antibióticas en compuestos farmacológicos conocidos. Con millones de moléculas, el proceso puede llevar años, pero los investigadores pudieron identificar un compuesto llamado semapimod durante un fin de semana, gracias a la capacidad de la IA para realizar pruebas de detección de alto rendimiento.
Fotograma de un vídeo de microscopía de lapso de tiempo de células de E. coli tratadas con semapimod en presencia de SYTOX Blue. Los investigadores descubrieron que semapimod, un fármaco antiinflamatorio utilizado normalmente para la enfermedad de Crohn, también era eficaz contra la enfermedad de fase estacionaria. Escherichia coli y Acinetobacter baumannii.
Otra revelación fue la capacidad del semapimod para alterar las membranas de las llamadas bacterias «gramnegativas», conocidas por su alta resistencia intrínseca a los antibióticos debido a su membrana externa más gruesa y menos penetrable.
Ejemplos de bacterias Gram negativas incluyen E. coli, A. baumannii, Salmonelay pseudomonispara los cuales es difícil encontrar nuevos antibióticos.
“Una de las formas en que descubrimos el mecanismo de sema [sic] «La razón es que su estructura era realmente grande y nos recordaba a otras cosas que apuntan a la membrana externa», explica Valeri. «Cuando empiezas a trabajar con muchas moléculas pequeñas… a nuestros ojos, es una estructura bastante única».
Al alterar un componente de la membrana externa, el semapimod sensibiliza a las bacterias Gram negativas a fármacos que normalmente sólo son activos contra las bacterias Gram positivas.
Valeri recuerda una cita de un artículo de 2013 publicado en Tendencias Biotecnología: “Para las infecciones por Gram positivos, necesitamos mejores medicamentos, pero para las infecciones por Gram negativos necesitamos cualquier medicamento”.