La resistencia a los antibióticos dificulta cada vez más el tratamiento de infecciones bacterianas. Los fagos, que atacan bacterias, se presentan como alternativa al tratamiento antibiótico normal. Sin embargo, identificar qué fago es eficaz frente a cada bacteria es complejo. Este estudio, liderado por Robby Concha-Eloko, Beatriz Beamud, Pilar Domingo-Calap y Rafael Sanjuán , propone el uso de inteligencia artificial para facilitar este proceso de predicción.
Para la elaboración del modelo han utilizado la bacteria Klebsiella, incluida en la lista de patógenos bacterianos prioritarios de la OMS, responsable de infecciones hospitalarias graves y con una gran resistencia a los antibióticos. Las bacterias Klebsiella están protegidas por cápsulas de polisacáridos que impiden la actividad de los antibióticos, así como la entrada de los fagos. Para superar esta barrera, muchos fagos producen depolimerasas, enzimas que degradan estas capsulas y permiten la entrada del bacteriófago para que infecte la bacteria y contribuir a su tratamiento.
Sin embargo, la enorme diversidad genética de estas cápsulas -se han registrado más de 100 serotipos de estas estructuras en Klebsiella- ha dificultado la predicción de qué fago puede ser el indicado para conseguir atravesar la cápsula e infectar a la bacteria. A su vez, esta gran variedad de serotipos de cápsulas convierte a la Klebsiella en un modelo ideal para estudiar la interacción entre fagos y cápsulas.
El equipo de investigación ha desarrollado una herramienta pionera que aprovecha la información genética de miles de bacterias Klebsiella y sus virus “dormidos” (pro-fagos) integrados en su genoma. Analizando más de 74.000 profagos y casi 20.000 secuencias de depolimerasas, el personal investigador ha creado una base de datos que asocia cada enzima con el tipo de cápsula bacteriana que puede degradar
Con este objetivo, el equipo de investigación ha desarrollado una herramienta pionera que aprovecha la información genética de miles de bacterias Klebsiella y sus virus “dormidos” (pro-fagos) integrados en su genoma. Analizando más de 74.000 profagos y casi 20.000 secuencias de depolimerasas, el personal investigador ha creado una base de datos que asocia cada enzima con el tipo de cápsula bacteriana que puede degradar.
Mediante técnicas avanzadas de aprendizaje automático y modelos de inteligencia artificial inspirados en el procesamiento del lenguaje natural, similares a los que usan los traductores automáticos, han conseguido predecir con gran precisión el “tropismo” o especificidad de cada depolimerasa, es decir, qué tipos de cápsula bacteriana puede reconocer y destruir.
Este estudio aporta un avance clave para la biotecnología basada en fagos o sus componentes, ya que permite predecir su especificidad. Ello es fundamental para diseñar futuras aplicaciones, comosoluciones contra el biofilm, la estructura protectora que forman algunas bacterias para adherirse a superficies y resistir tratamientos.
Los biofilms se reconocen cada vez más como un obstáculo importante en el tratamiento de las infecciones. De hecho, se ha demostrado que están implicadas en la cronicidad de enfermedades como la fibrosis quística, las heridas crónicas, las infecciones relacionadas con prótesis o las infecciones del tracto urinario.
“El uso de depolimerasa, ya sea en combinación con los tratamientos actuales (antibióticos o péptidos antimicrobianos) o potencialmente como potenciador del sistema inmunitario, puede abordar los problemas relacionados con la producción de biofilms, lo que conduce a una disminución del riesgo de fracaso del tratamiento”, explica Robby-Concha.
“Frente al método tradicional, que se basa en un tedioso proceso de búsqueda y ensayo de fagos para encontrar una depolimerasa eficaz, los modelos de inteligencia artificial nos permiten predecir su especificidad in silico”, Robby-Concha, investigador del I2SysBio
“Frente al método tradicional, que se basa en un tedioso proceso de búsqueda y ensayo de fagos para encontrar una depolimerasa eficaz, los modelos de inteligencia artificial nos permiten predecir su especificidad in silico”, afirma el investigador. En este sentido, el método demostrado en el estudio permite la generación de bibliotecas de depolimerasa que pueden utilizarse para extraer la enzima más eficaz, optimizando la degradación de la cápsula y, posteriormente, del biofilm.
Según afirma Robby-Concha, uno de los desarrolladores de la pionera herramienta, pese a que se ha utilizado Klebsiella como modelo, esta metodología puede utilizarse contra cualquier otra bacteria productora de cápsulas. Esto incluye la mayoría de los patógenos prioritarios recogidos por la OMS.
En síntesis, este estudio propone la resolución de las predicciones de interacción entre fagos y huéspedes de dos maneras. En primer lugar, aprovechando los datos contenidos genomas bacterianos (profagos), lo que permite obtener importantes datos de entrenamiento; y, en segundo lugar, proponiendo una arquitectura que permita entrenar el modelo con todas las especies bacterianas a la vez (de forma integradora).
No te pierdas la entrevista a Robby Concha en nuestra sección de EuroPark
Fuente: UV Noticias