Los microbios resistentes a los fármacos, incluyendo bacterias, hongos, parásitos y virus, representan una amenaza global creciente. En 2021, aproximadamente cinco millones de muertes estuvieron asociadas con resistencia antimicrobiana bacteriana, una cifra anual que se proyecta se duplicará para 2050. Puede tomar años encontrar moléculas con potencial antimicrobiano.

Los investigadores utilizan IA para acelerar esta etapa inicial del descubrimiento. César de la Fuente, bioingeniero cuyo laboratorio interdisciplinario busca candidatos antimicrobianos, afirmó que la resistencia antimicrobiana es una de las mayores amenazas existenciales para la humanidad. Su laboratorio emplea modelos de aprendizaje profundo entrenados para reconocer patrones en secuencias biológicas, buscando en vastos conjuntos de datos genómicos y proteicos candidatos antimicrobianos potenciales, reduciendo la búsqueda inicial de años a horas.

Junto con sus propios modelos de IA, el laboratorio utiliza Chat GPT y Codex para generar hipótesis, escribir y refinar código, procesar conjuntos de datos, analizar resultados y conectar ideas entre disciplinas científicas. El enfoque se centra en la biología como sistema de información, donde nucleótidos y aminoácidos forman un alfabeto para descifrar los principios organizativos de la vida. Solo una fracción del genoma tiene una función claramente comprendida, y aún menos codifican moléculas capaces de combatir microbios infecciosos.

La IA ayuda a identificar señales prometedoras entre enormes conjuntos de datos, priorizando candidatos para pruebas experimentales. Sin embargo, identificar un candidato no garantiza que se convierta en un medicamento eficaz. Los científicos deben confirmar que la molécula elimina el microbio objetivo, determinar la dosis efectiva, probar efectos en células humanas, optimizar seguridad y estabilidad, evaluar toxicidad y desarrollo de resistencia, y asegurar la fabricabilidad.

Los candidatos que superan estos obstáculos aún enfrentan revisión regulatoria y ensayos clínicos antes de llegar a pacientes. Para de la Fuente, la IA y la biología de laboratorio deben avanzar juntas, ya que los experimentos de referencia son esenciales para validar predicciones de IA en ciencias de la vida.