[ad_1]
![](https://www.electronicsforu.com/wp-contents/uploads/2023/06/House-ad-1.gif)
Los investigadores del MIT están utilizando la IA para descubrir nuevos compuestos, reduciendo significativamente el MRSA en modelos de laboratorio y de ratón y prometiendo un gran avance en el desarrollo de antibióticos.
![Mago: Christine Daniloff, MIT; Janice Haney Carr, CDC; iStock](https://www.electronicsforu.com/wp-contents/uploads/2023/12/MIT-Antibiotic-Predictions-01_0-500x334.jpg)
Los investigadores del MIT han utilizado el aprendizaje profundo, una forma de inteligencia artificial, para identificar una nueva clase de compuestos capaces de eliminar una bacteria resistente a los medicamentos responsable de más de 10.000 muertes anuales en los Estados Unidos.
Los investigadores demostraron que los compuestos identificados eliminan eficazmente el Staphylococcus aureus resistente a la meticilina (MRSA) tanto en placas de laboratorio como en dos modelos de ratón de infección por MRSA, al tiempo que exhiben una toxicidad mínima para las células humanas, lo que los convierte en candidatos a fármacos prometedores. Un avance significativo en el estudio fue la capacidad de los investigadores para identificar los tipos de datos que utilizó el modelo de aprendizaje profundo para predecir la eficacia de los antibióticos. Estos hallazgos podrían ayudar a desarrollar fármacos aún más eficaces que los que identifica actualmente el modelo.
![](https://www.electronicsforu.com/wp-contents/uploads/2023/12/2-1.jpg)
Predicciones explicables
Los investigadores comenzaron su estudio entrenando un modelo de aprendizaje profundo en un conjunto de datos completamente ampliado creado al probar alrededor de 39.000 compuestos para determinar su actividad antibiótica contra MRSA. Este conjunto de datos se incorporó al modelo junto con información detallada sobre las estructuras químicas de estos compuestos. Para comprender los mecanismos de predicción del modelo, adaptaron el algoritmo de búsqueda de árbol de Monte Carlo, que anteriormente ha sido fundamental para mejorar la explicabilidad de otros modelos de aprendizaje profundo como AlphaGo. Este algoritmo permitió al modelo estimar la actividad antimicrobiana de cada molécula y obtener información sobre qué subestructuras moleculares podrían ser responsables de esa actividad.
Fuerte actividad
Los investigadores mejoraron su proceso de desarrollo de fármacos entrenando tres modelos de aprendizaje profundo adicionales para predecir la toxicidad de diferentes compuestos para diferentes tipos de células humanas. Al combinar estas predicciones con evaluaciones de la actividad antimicrobiana, pudieron delimitar posibles candidatos a fármacos que pueden matar microbios de manera efectiva con un daño mínimo para los humanos. Examinaron aproximadamente 12 millones de compuestos disponibles comercialmente e identificaron candidatos prometedores de cinco clases de sustancias químicas contra MRSA. Las pruebas de laboratorio posteriores realizadas con aproximadamente 280 compuestos seleccionados llevaron al descubrimiento de dos antibióticos particularmente eficaces de la misma clase. En modelos murinos de infecciones cutáneas y sistémicas por MRSA, estos compuestos redujeron significativamente las poblaciones de MRSA.
El objetivo de la organización sin fines de lucro es analizar las propiedades químicas y el potencial clínico de estos compuestos, mientras que el laboratorio de Collins desarrolla nuevos medicamentos y busca compuestos contra otras bacterias.
[ad_2]