:format(webp)/cdn.vox-cdn.com/uploads/chorus_asset/file/25543343/image__15_.png?w=150&resize=150,150&ssl=1 "Captura de pantalla de una tabla del sitio web unicode.org, que muestra una lista de emojis bajo la categoría de \"juegos\". La tabla tiene varias columnas con los encabezados: \"№\" (número), \"Code\" (código), \"Browser\", \"Sample\", \"GMail\", \"SB\", \"DCM\", \"KDDI\" y \"CLDR Short Name\" (nombre corto CLDR)")
Publicado en la revista Cell, el informe detalla cómo los científicos emplearon un algoritmo para explorar la diversidad microbiana en la Tierra, encontrando casi un millón de nuevas moléculas ocultas en ese «oscuro material microbiano». César de la Fuente, profesor en la Universidad de Pensilvania y director del Grupo de Biología Computacional, destacó que sin este algoritmo, la tarea habría llevado décadas usando métodos tradicionales como la recolección de muestras de agua y suelo.
La investigación es crucial para la salud pública, ya que la resistencia a los antimicrobianos causó más de 1.2 millones de muertes en 2019, cifra que podría aumentar a 10 millones anuales para 2050 según la OMS. A pesar del potencial de la inteligencia artificial para el bien, de la Fuente advierte que también podría ser utilizada por actores malintencionados para desarrollar toxinas, por lo que su laboratorio ha implementado salvaguardias para evitar la autorreplicación de moléculas.
Desde hace una década, de la Fuente ha utilizado la IA en la investigación de antibióticos, acelerando el proceso de descubrimiento. En lugar de años, ahora pueden generarse cientos de miles de candidatos en horas mediante computación. Antes de su aprobación por la FDA, un antibiótico debe pasar por años de investigación y ensayos clínicos.
En este estudio, los investigadores analizaron genomas y metagenomas de bases de datos públicas, buscando fragmentos de ADN con actividad antimicrobiana. Sintetizaron 100 de estas moléculas en el laboratorio, de las cuales el 79% podían matar al menos un microbio, mostrando su potencial como antibióticos.
La resistencia a los antibióticos es un problema creciente debido al uso indebido en humanos, animales y plantas. Los autores del estudio han puesto los datos y el código a disposición pública con el objetivo de avanzar en la ciencia y beneficiar a la humanidad. De la Fuente espera que otros investigadores sigan investigando los principales candidatos a fármacos antibióticos para avanzar a ensayos clínicos, aunque aún queda un largo camino.
Este no es el primer estudio biológico que utiliza significativamente la IA. Recientemente, Google DeepMind lanzó una nueva versión de AlphaFold, un programa que predice interacciones proteicas, con posibles avances en terapia contra el cáncer y resistencia de cultivos.
Lisa Messeri, antropóloga de tecnología en la Universidad de Yale, subraya que el aprendizaje automático es excelente para algunos proyectos científicos, pero no para todos. Es importante que los investigadores apliquen estas herramientas de manera reflexiva y no abandonen proyectos que no las requieran.
Anthony Gitter, profesor asociado en la Universidad de Wisconsin-Madison, enfatiza que el avance en el estudio de Cell se debe a una investigación bioinformática de primer nivel, más que a la ciencia automatizada por IA. El valor de esta investigación radica en aprovechar los datos genómicos microbianos, usando el aprendizaje automático para identificar péptidos antimicrobianos y estudiarlos exhaustivamente tanto computacional como experimentalmente.
