Biología sintética · global
La IA crea 16 bacteriófagos capaces de reproducirse y abre una vía experimental para combatir la resistencia bacteriana a los antibióticos
Investigadores utilizaron modelos genómicos para diseñar secuencias virales completas y validaron, entre 285 candidatos, 16 bacteriófagos capaces de infectar Escherichia coli; el logro supera el umbral entre la predicción informática y la función biológica, pero aún está lejos de convertirse en un tratamiento clínico, mientras aumenta la presión sobre la gobernanza del diseño de virus.
La resistencia a los antibióticos obliga a la comunidad médica a buscar de nuevo herramientas capaces de matar bacterias, por lo que los bacteriófagos, especializados en infectarlas, han vuelto a recibir atención. Ahora, los investigadores han demostrado además que la inteligencia artificial no solo puede modificar una proteína individual, sino también proponer un genoma viral completo capaz de ensamblarse, reproducirse e infectar a un huésped, lo que ofrece un nuevo método para crear bibliotecas de bacteriófagos más diversas.
Este estudio revisado por pares utilizó los modelos genómicos Evo 1 y Evo 2, tomando como marco de diseño el bacteriófago ΦX174, que contiene 5.386 nucleótidos y 11 genes. Los datos de entrenamiento básico de los modelos comprendían alrededor de 2 millones de genomas de bacteriófagos. El equipo de investigación realizó además un ajuste específico con 14.466 secuencias de la familia Microviridae y, entre una gran cantidad de resultados generados, seleccionó secuencias candidatas que se parecían a ΦX174, conservaban la configuración genética necesaria y podían infectar al huésped especificado.
Los investigadores sintetizaron y probaron 285 diseños y finalmente confirmaron que 16 podían formar bacteriófagos capaces de reproducirse en cepas no patógenas de laboratorio de Escherichia coli. En comparación con el virus natural más cercano, cada diseño exitoso contenía entre 67 y 392 mutaciones; algunos cambios no aparecían en ninguna secuencia natural conocida, lo que indica que el modelo no se limitó a copiar con pequeñas modificaciones los virus de la base de datos. Sin embargo, aproximadamente el 94 % de los candidatos no produjo bacteriófagos utilizables, lo que también demuestra que los modelos generativos todavía dependen en gran medida de la selección experimental.
Para comprobar si estos virus podían responder a la evolución bacteriana, el equipo cultivó primero tres cepas de E. coli resistentes al ΦX174 natural y después las cocultivó con una mezcla compuesta por varios bacteriófagos de IA. La mezcla superó las defensas de las tres cepas bacterianas en entre una y cinco rondas de pases, algo que el ΦX174 natural no pudo hacer. Los bacteriófagos que tuvieron éxito posteriormente también combinaban entre dos y tres fragmentos genéticos procedentes de diseños de IA, lo que indica que una mayor diversidad de secuencias puede ofrecer más vías para la adaptación de los bacteriófagos.
En este caso, la «resistencia» se refiere principalmente a la resistencia a la infección por ΦX174 y no significa que el estudio haya curado directamente infecciones resistentes a los antibióticos. El experimento solo utilizó unas pocas cepas no patógenas de E. coli y todavía no abordó cuestiones como la respuesta inmunitaria, la distribución de los bacteriófagos, la toxicidad, la consistencia de la fabricación y la reaparición de resistencia bacteriana en el entorno de una infección humana. Para aplicar este método en la práctica clínica, aún será necesario validarlo progresivamente en bacterias realmente patógenas, modelos animales y ensayos controlados.
El estudio también hace más concretas las cuestiones de bioseguridad. El equipo indicó que los datos de entrenamiento excluyeron las secuencias de virus que infectan a seres humanos, animales y plantas, que los experimentos utilizaron huéspedes restringidos y que los 16 bacteriófagos solo crecieron en unas pocas cepas relacionadas de E. coli. Sin embargo, una vez que se difunda la capacidad de generar genomas virales completos y funcionales, ya no bastará con medidas de exclusión de datos para responder si los sistemas actuales de acceso a modelos, control de la síntesis de ADN y revisión experimental son suficientes para evitar usos indebidos.
Desde la perspectiva terapéutica, por ahora este resultado se parece más a una demostración tecnológica para generar diversidad de bacteriófagos que a un nuevo medicamento listo para usarse. Su importancia radica en trasladar el diseño de genomas completos desde secuencias en una pantalla hasta funciones biológicas verificables. El siguiente umbral será demostrar que este proceso de diseño puede combatir de forma segura y estable patógenos clínicamente relevantes, al tiempo que la gobernanza avanza al ritmo de la capacidad tecnológica.