Científicos argentinos usan IA para buscar antibióticos contra la neumonía y la tuberculosis
Un equipo liderado por el investigador del CONICET Darío Fernández Do Porto usa inteligencia artificial para identificar blancos terapéuticos y compuestos contra bacterias resistentes.
En Argentina, un equipo liderado por el biólogo Darío Fernández Do Porto, Investigador Independiente del CONICET y Director de la Especialización en Bioinformática del IUDPT, usa Inteligencia Artificial para buscar nuevos antibióticos contra bacterias resistentes, entre ellas las que causan neumonía y tuberculosis. Su proyecto sobre Klebsiella pneumoniae fue uno de los 18 seleccionados por Gr-ADI, la iniciativa global impulsada por la Gates Foundation, la Novo Nordisk Foundation y Wellcome para acelerar el descubrimiento de antibióticos contra bacterias Gram negativas.
Puntos clave
- El grupo integra genómica, redes metabólicas, expresión génica y estructura de proteínas para encontrar los puntos vulnerables de las bacterias.
- Su plataforma abierta Target-Pathogen, desarrollada desde 2018, incorporará IA, predicción de estructuras y búsqueda de compuestos.
- El proyecto sobre Klebsiella pneumoniae reúne a grupos de Argentina, Brasil y Canadá y durará tres años.
- Según el investigador, hasta septiembre de 2026 no se aprobó ningún antibiótico descubierto o diseñado principalmente con IA.
La resistencia a los antibióticos ya es un problema sanitario del presente: cada año mueren cientos de miles de personas por infecciones que hasta hace poco podían tratarse con antibióticos convencionales, una situación agravada por el uso excesivo de estos fármacos en medicina y en producción animal.
«Descubrir un antibiótico mediante el método clásico es como buscar una aguja en un pajar: implica probar miles o millones de sustancias hasta encontrar alguna capaz de frenar una bacteria sin dañar al paciente», explica Fernández Do Porto.
¿Cómo ayuda la inteligencia artificial a descubrir antibióticos?
La IA se entrena con miles de moléculas cuya actividad antibacteriana ya fue medida en laboratorio, aprende a reconocer sus patrones y luego los busca entre millones de compuestos para señalar los más prometedores. Así se identificó la halicina, activa contra bacterias multirresistentes. Los modelos más recientes incluso diseñan moléculas nunca sintetizadas.
Empezar por la bacteria
Buscar directamente moléculas activas no es el único camino. Otra estrategia parte del microorganismo: estudiar su genoma y su funcionamiento para identificar primero sus puntos más vulnerables y recién después buscar compuestos capaces de atacarlos. Es el enfoque que el grupo sigue desde hace más de una década.
«Integramos información genómica, redes metabólicas, expresión génica y la estructura tridimensional de las proteínas para reconocer cuáles son indispensables para la supervivencia del microorganismo, cuáles son diferentes de las proteínas humanas, para reducir el riesgo de afectar nuestras propias células, y cuáles podrían convertirse en blancos para el desarrollo de nuevos medicamentos», detalla el investigador.
El aporte de AlphaFold y de Target-Pathogen
Un avance decisivo en este campo fue AlphaFold, un sistema de inteligencia artificial capaz de predecir la estructura tridimensional de muchas proteínas con una precisión cercana a la experimental. Conocer la forma de una proteína permite comprender mejor su función y explorarla como posible blanco terapéutico, no solo para antibióticos sino para distintas enfermedades.
Esa lógica guía Target-Pathogen, una plataforma web abierta que el equipo desarrolla desde 2018 para analizar genomas completos y priorizar posibles blancos terapéuticos, y que ahora amplía para incorporar inteligencia artificial, predicción de estructuras y búsqueda de compuestos. Con esta estrategia, investigadores del grupo identificaron nuevos inhibidores de PknG, una proteína de Mycobacterium tuberculosis, y demostraron experimentalmente que esos compuestos bloqueaban su actividad. Aun así, Fernández Do Porto advierte que «no alcanza con inhibir un blanco: el compuesto también debe ingresar en la bacteria, evitar ser expulsado y resultar seguro para el paciente».
El proyecto sobre Klebsiella pneumoniae
Uno de los focos actuales del grupo es Klebsiella pneumoniae, una bacteria que puede causar neumonía, sepsis e infecciones urinarias o de heridas, especialmente graves en pacientes hospitalizados o inmunocomprometidos. Según el investigador, algunas cepas resisten incluso los antibióticos de último recurso.
Para avanzar, el equipo conformó un consorcio internacional con grupos de Argentina, Brasil y Canadá, que integra Gr-ADI. El proyecto durará tres años y combinará inteligencia artificial, biología estructural y validación experimental. La meta no es un medicamento terminado, sino obtener compuestos líderes que puedan avanzar hacia la optimización química, los estudios preclínicos y, más adelante, los ensayos clínicos.
Un camino que todavía es largo
«Hasta septiembre de 2026 todavía no se aprobó ningún antibiótico descubierto o diseñado principalmente mediante inteligencia artificial. La IA no produce antibióticos por arte de magia: maximiza las probabilidades», advierte Fernández Do Porto. Según explica, la herramienta permite descartar antes lo que probablemente fracasará y concentrar los experimentos en los candidatos más prometedores. En un proceso que puede demandar más de diez años, acortar las primeras etapas de años a meses representa, en sus palabras, «un avance decisivo y una oportunidad para que la ciencia pública argentina sea protagonista en la búsqueda mundial de nuevos tratamientos».
