Un modelo de aprendizaje profundo analizó más de 5 millones de compuestos y detectó dos moléculas —MP20 y A1— que mostraron actividad contra cepas resistentes de la gonorrea, una infección de transmisión sexual que enfrenta una creciente crisis de resistencia a los antibióticos.
La gonorrea es una infección de transmisión sexual que puede provocar complicaciones graves y permanentes como infertilidad, ceguera infantil e infecciones sanguíneas potencialmente mortales. Su bacteria causante, Neisseria gonorrhoeae, ha desarrollado resistencia a casi todos los antibióticos disponibles, dejando a la comunidad médica con una única monoterapia de primera línea, en medio de lo que ya se considera una situación de "casi crisis" en salud pública.
La expansión de cepas multirresistentes ha reducido drásticamente las opciones terapéuticas, impulsando la búsqueda urgente de nuevos compuestos con mecanismos de acción distintos a los antibióticos tradicionales.
Investigadores del Instituto Wyss de Ingeniería de Inspiración Biológica de la Universidad de Harvard Wyss Institute for Biologically Inspired Engineering desarrollaron una plataforma basada en aprendizaje profundo para acelerar el descubrimiento de antibióticos.
El sistema fue entrenado con bibliotecas de fármacos aprobados y más de 36.000 moléculas pequeñas. Luego, tres modelos de aprendizaje profundo fueron evaluados, seleccionándose una red neuronal gráfica como la más prometedora.
La plataforma fue utilizada para analizar virtualmente más de 5,3 millones de compuestos.
Del análisis computacional surgieron 83 compuestos con actividad inhibitoria contra Neisseria gonorrhoeae.
De ellos, los investigadores seleccionaron dos moléculas principales: MP20 y A1.
Ambas demostraron ser seguras en células humanas.
Lograron eliminar cepas multirresistentes de la bacteria en cultivo.
MP20 eliminó la infección en modelo de laboratorio que simula el entorno vaginal humano.
A1 redujo la carga bacteriana y mostró eficacia en un modelo de ratón.
Los autores señalan que este enfoque podría abrir la puerta a identificar nuevos blancos antimicrobianos previamente desconocidos, especialmente en estructuras específicas de la bacteria, ofreciendo rutas alternativas para el desarrollo de futuros antibióticos.
El estudio fue publicado en la revista Science Translational Medicine.
El uso de inteligencia artificial en este caso no solo acelera la búsqueda de tratamientos, sino que representa una posible nueva estrategia frente a patógenos cada vez más resistentes a los medicamentos disponibles.
