El último antibiótico con un mecanismo de acción genuinamente nuevo aprobado para uso clínico fue la daptomicina, en 2003. Antes de ese, hubo décadas de descubrimientos en los cuarenta, cincuenta y sesenta. Después, nada estructuralmente nuevo durante cuarenta años.
La razón es que descubrir un antibiótico eficaz es extraordinariamente difícil. Hay que encontrar una molécula que mate bacterias sin matar células humanas, que las bacterias no puedan evadir fácilmente, y que sea estable y producible a escala. El proceso de screening tradicional revisa miles de compuestos uno por uno. Es lento, caro y en gran parte al azar.
En 2023, un modelo de deep learning del MIT revisó millones de estructuras moleculares en dos horas e identificó un compuesto que nadie había probado contra bacterias resistentes a antibióticos. Lo llamaron halicina.
Funciona.
Qué hizo el modelo diferente
El modelo no buscó moléculas que se parecieran a antibióticos conocidos. Buscó moléculas que tuvieran propiedades funcionales compatibles con matar bacterias, sin asumir que tenían que tener estructuras similares a los compuestos existentes.
Eso es diferente de cómo funciona la búsqueda tradicional, que en gran medida deriva nuevos antibióticos de variaciones de antibióticos ya conocidos. El modelo exploró el espacio de posibilidades químicas sin ese sesgo.
Halicina tiene un mecanismo de acción distinto a todos los antibióticos existentes. Las bacterias que son resistentes a los antibióticos actuales todavía no tienen defensas contra él.
Por qué importa tanto ahora
La resistencia antimicrobiana es uno de los problemas de salud pública más graves del horizonte próximo. La OMS estima que para 2050 las infecciones bacterianas resistentes a antibióticos podrían matar más personas por año que el cáncer.
El problema no es científico en su origen: es económico. Desarrollar un antibiótico nuevo cuesta entre mil y dos mil millones de dólares y tarda diez años. El mercado no recompensa esa inversión porque los antibióticos se usan en ciclos cortos y se reservan para cuando otros fallan. Las farmacéuticas salieron del negocio.
La IA reduce el costo y el tiempo de la etapa de descubrimiento en órdenes de magnitud. No resuelve el problema económico del desarrollo clínico, pero cambia la ecuación inicial.
Lo que vino después de halicina
El mismo equipo del MIT usó el mismo enfoque para identificar compuestos activos contra Acinetobacter baumannii, una bacteria clasificada por la OMS como amenaza crítica. Encontraron varios candidatos prometedores. Algunos están en fase de pruebas.
El pipeline de antibióticos, que parecía seco hace cinco años, tiene más candidatos en etapas tempranas que en cualquier momento de los últimas tres décadas.
La IA no resolvió la resistencia antimicrobiana. Pero cambió la velocidad a la que se puede buscar la solución.
Fuente original: Cell
