Es posible que esté utilizando productos de IA generativos como ChatGPT y Gemini para crear borradores, resumir documentos, razonar a través de temas complejos o hacer movies virales, pero otros están utilizando estos modelos para encontrar soluciones a problemas mucho más grandes. Por ejemplo, un estudio del proyecto MIT Antibiotics-AI publicado recientemente en Scientific Journal Celúla Detalla no una sino dos técnicas de IA que permitieron a los investigadores descubrir antibióticos nunca antes vistos que podrían neutralizar dos bacterias peligrosas resistentes a las drogas.
Los modelos de inteligencia synthetic no crearon las nuevas drogas por su cuenta. En cambio, la IA simplemente siguió instrucciones complejas para descubrir moléculas que podrían destruir Neisseria gonorrhoeae (gonorrea) y Staphylococcus aureus (MRSA). Los modelos de IA generaron millones de posibles compuestos químicos que dañarían a las bacterias y, por lo tanto, detendrían las infecciones. En cada caso, los investigadores aplicaron filtros específicos para reducir las listas de compuestos a candidatos adecuados. Estos filtros incluían requisitos de que el antibiótico resultante no debería dañar a los humanos ni compartir rasgos comunes con antibióticos existentes que han perdido su eficacia contra las dos bacterias. Después de aplicar estas condiciones, los investigadores terminaron con algunos candidatos viables que muestran prometedor en las pruebas de laboratorio.
De millones de opciones, AI encontró una nueva droga de gonorrea
Por MIT Newspara encontrar un antibiótico potencial para la gonorrea, los investigadores instruyeron a la IA que creara moléculas basadas en un fragmento químico clave que mate bacterias. Comenzaron con un conjunto de 45 millones de fragmentos compuestos por todas las combinaciones posibles de 11 átomos y fragmentos del repositorio de moléculas espaciales fácilmente accesibles (actual) de esmina.
A partir de ahí, la IA refinó la lista a 4 millones de fragmentos que podrían matar a las bacterias. Después de extraer fragmentos químicos que dañarían el cuerpo humano, los investigadores redujeron la lista a alrededor de 1 millón de candidatos. Después de más pruebas, los científicos del MIT terminaron con un fragmento llamado F1 que mostró potencial para abordar la gonorrea.
Alimentaron al candidato F1 a dos algoritmos de IA generativos: mutaciones químicamente razonables (CREM) y autoencoder variacional basado en fragmentos (F-VAE). El primero creó moléculas alrededor de F1 modificando las configuraciones de átomos y otras características. Este último usó patrones aprendidos para forjar moléculas completas de un fragmento. Estas dos tecnologías produjeron 7 millones de candidatos potenciales basados en F1. Esa lista masiva finalmente se redujo a unos 1,000 compuestos viables, de los cuales 80 fueron elegidos para una posible síntesis de laboratorio. Solo se podrían crear dos de las 80 versiones, y solo una (NG1) destruyó efectivamente la gonorrea tanto en un modelo de ratón como en un plato de laboratorio.
Dada más libertad, AI también produjo resultados en las pruebas MRSA
El segundo experimento vio un viaje comparable, comenzando con millones de candidatos que podrían matar a S. aureus y terminar con una sola opción superior efectiva en las terapias MRSA. Pero esta vez, los investigadores no obligaron a la IA a seguir una estrategia de fragmentos. La única regla que la IA tenía que seguir la química preocupada. Los átomos tendrían que poder unirse a “moléculas químicamente plausibles”.
Esta vez, la IA encontró 29 millones de compuestos potencialmente efectivos contra MRSA. Después de implementar los mismos filtros utilizados en el experimento basado en fragmentos para la gonorrea, el equipo terminó con 90 candidatos. La siguiente prueba fue más exitosa que el experimento de gonorrea, ya que los investigadores sintetizaron 22 moléculas, seis de las cuales fueron altamente efectivas contra MRSA.
De esos seis, destacaron al candidato principal, DN1, que abordó con éxito una infección por MRSA en un modelo de ratón. Curiosamente, tanto DN1 como Ng1 alteraron las membranas celulares de las dos bacterias. Sin embargo, DN1 tuvo un efecto más amplio, mientras que NG1 solo interactuó con una sola proteína. Una vez que la membrana celular se ve afectada, la micro organism muere.
¿Qué tan peligrosas son la gonorrea y MRSA?
La gonorrea es una infección de transmisión sexual ampliamente extendida. A nivel internacional, se registraron 82.4 millones de nuevas infecciones en 2020. Además, según el Organización Mundial de la Salud (Quién), la resistencia a los medicamentos de la gonorrea “es un problema grave y creciente” que podría hacer que la condición sea impacable. Mientras tanto, S. aureus ocupa un lugar destacado en el OMS“La” lista de bacterias resistentes a las drogas más amenazantes para la salud humana “. Los Centros para el Management y la Prevención de Enfermedades (Centros para el Control y la Prevención de Enfermedades) También le etiqueta a las bacterias una “amenaza grave” que puede conducir a la muerte.
Para ser utilizado en humanos, NG1 y DN1 tendrían que pasar ensayos preclínicos y luego ensayos clínicos. Estos pasos pueden llevar meses o años. MIT News señala que Phare Bio (una organización sin fines de lucro asociada con el proyecto Antibiotics-AI) “ahora está trabajando para modificar aún más NG1 y DN1 para que sean adecuados para pruebas adicionales”. Antes de usar IA generativa para desarrollar antibióticos potenciales para la gonorrea y el MRSA, los científicos del MIT emplearon la IA para crear la halicina y la abaucina antibióticas.
¿Curioso para explorar otras formas en que la IA está afectando la ciencia y la medicina? Consulte esta herramienta de avance que puede detectar el cáncer el 99% del tiempo.
