1
energía
¿Qué es energía?
0 comentarios
Un algoritmo de aprendizaje profundo ha ayudado a los científicos a identificar nuevos compuestos que son eficaces contra las bacterias resistentes a los antibióticos, una amenaza para la salud pública que causa miles de muertes cada año.
Mientras los médicos están preocupados porque los antibióticos se han vuelto cada vez más ineficaces desde que Fleming purificó por primera vez la penicilina en 1928, el reciente descubrimiento de un compuesto que puede matar las bacterias resistentes a los medicamentos responsables de miles de muertes en todo el mundo cada año es bienvenido.
Utilizando un algoritmo de aprendizaje profundo, los científicos pudieron identificar el primer antibiótico nuevo en más de medio siglo, lo que demuestra el potencial de la inteligencia artificial en el campo médico y plantea una solución a Resistencia antibiótica, que se encuentra entre las mayores amenazas mundiales para la salud humana.
Para refinar la selección de esta nueva clase de antibióticos candidatos, un equipo del laboratorio de James Collins del Broad Institute del Instituto Tecnológico de Massachusetts y la Universidad de Harvard utilizó un tipo de IA conocido como aprendizaje profundo para detectar la actividad antibiótica de 12 millones de compuestos.
Después de analizarlos mediante simulaciones por computadora, los modelos de IA entrenados encontraron 3646 compuestos con propiedades ideales similares a las de los fármacos.
.@delafuenteupenn compartió cómo la inteligencia artificial (#AI) puede ayudar a guiar el desarrollo de nuevos #antibióticos, incluidos nuevos hallazgos que utilizan el concepto de aprendizaje profundo para descubrir nuevos antibióticos, una práctica empleada por el laboratorio de De la Fuente. @sciam https://t.co/eFGmY0ZLHo
- Medicina Penn (@PennMedicine) 26 de diciembre de 2023
Cálculos adicionales identificaron las subestructuras químicas que podrían explicar las propiedades de cada compuesto (es decir, si son dañinos o no para el cuerpo humano), que los científicos compararon antes de probar 238 de ellos en ratones.
Al hacerlo, descubrieron cinco fármacos no tóxicos diferentes que eran muy prometedores contra los resistentes a la meticilina. Staphylococcus aureus (MRSA) y resistente a la vancomicina Enterococo – que son algunos de los patógenos más difíciles de matar que conocemos.
"Lo que nos propusimos hacer en este estudio fue abrir la caja negra", dice Félix Wong, un autor de la estudio el cual fue publicado en Naturaleza el mes pasado.
"Nuestros modelos [de IA] nos dicen no sólo qué compuestos tienen actividad antibiótica selectiva, sino también por qué, en términos de su estructura química".
El desarrollo se basa en investigaciones anteriores sobre el poder de la tecnología para combatir la actual crisis de resistencia a los antibióticos.
En el caso del aprendizaje profundo, los científicos lo han estado utilizando cada vez más para acelerar la identificación de posibles fármacos candidatos, predecir sus propiedades y optimizar el proceso de llevarlos a los pacientes que los necesitan.
"Estos modelos consisten en una gran cantidad de cálculos que imitan conexiones neuronales, y nadie sabe realmente qué sucede debajo del capó", continúa Wong.
"Nuestro trabajo proporciona un marco que ahorra tiempo y recursos y es mecanísticamente revelador, desde el punto de vista de la estructura química, de una manera que no hemos tenido hasta la fecha".
