La salud de hoy necesita el conocimiento de mañana. Los médicos, investigadores, instituciones y laboratorios tienen en sus manos la oportunidad de impulsar la innovación en el cuidado de la salud con soluciones de inteligencia artificial, tecnologías de nube híbrida, automatización y muy pronto la computación cuántica. IBM quiere ser conocido por resolver problemas increíblemente difíciles que requieren avances científicos y tecnológicos sostenidos, los tipos de desafíos que nadie más puede resolver solo.
Por ejemplo, la resistencia a los antibióticos es una gran amenaza para la salud humana, más aún durante la devastadora pandemia de COVID-19. Este desafío -que solo en Estados Unidos afecta a más de tres millones de personas que se infectan con bacterias u hongos resistentes a los antibióticos cada año- también es una preocupación en América Latina. Por su parte, la Organización Mundial de la Salud está trabajando en una iniciativa global, que incluye a los países de América Latina, para coordinar una respuesta a este enorme problema.
Sin embargo, se están desarrollando muy pocos antibióticos nuevos para reemplazar a los que ya no funcionan. Esto se debe a que el diseño de fármacos es un proceso extremadamente difícil y largo: hay más combinaciones químicas posibles de una nueva molécula que átomos en el Universo.
Allanando el camino hacia la era del descubrimiento acelerado
El equipo de investigación de IBM Research ha desarrollado un sistema de inteligencia artificial que puede ayudar a acelerar el diseño de moléculas para antibióticos novedosos. Y funciona: en «Acelerando el descubrimiento de antimicrobianos con modelos generativos profundos controlables y dinámica molecular«, publicado en Nature Biomedical Engineering, el equipo describe cómo se utilizó para crear dos nuevos péptidos antimicrobianos no tóxicos (non-toxic antimicrobial peptides – AMPs) con una gran potencia de amplio espectro. Los péptidos son moléculas pequeñas, se trata de cadenas cortas de aminoácidos, que son los componentes básicos de las proteínas. El enfoque del equipo supera a otros métodos de diseño de AMP líderes en casi un 10%.
Más allá de los antibióticos, este sistema de IA generativa podría acelerar el proceso de diseño de las mejores moléculas posibles para nuevos fármacos y materiales, lo que permite a los científicos utilizar la IA para descubrir y diseñar mejores candidatos para fármacos y terapias más eficaces para enfermedades, materiales para absorber y capturar carbono para ayudar a combatir el cambio climático, materiales para una producción y almacenamiento de energía más inteligente, y mucho más. Para luchar contra estos desafíos debemos acelerar la tasa de descubrimiento de moléculas nuevas y funcionales a escala.
Explorando más allá
El equipo de IBM Research utilizó un modelo generativo de IA denominado autocodificador generativo profundo para aprender sobre el vasto espacio de moléculas peptídicas conocidas. El modelo capturó información significativa, lo que permitió explorar más allá de las plantillas antimicrobianas conocidas. Luego, los investigadores aplicaron Controlled Latent attribute Space Sampling (CLaSS), un método computacional desarrollado recientemente para generar moléculas peptídicas novedosas con propiedades personalizadas. Después, gracias a los clasificadores de aprendizaje profundo, examinaron las moléculas antimicrobianas candidatas generadas por IA en busca de atributos clave adicionales, como toxicidad y actividad de amplio espectro o la presencia de características fisicoquímicas novedosas indicativas de unión estable y péptido-membrana.
