Científicos de la Universidad de Pensilvania han desarrollado un modelo de inteligencia artificial que demuestra la capacidad de identificar compuestos antivirales diez veces más rápido que los métodos tradicionales y empleando conjuntos de datos considerablemente más pequeños. Los resultados, publicados en Cell Reports Physical Science, evidencian un avance significativo especialmente aplicado al enterovirus EV-71, agente causante del síndrome mano-pie-boca (HFMD) para el que actualmente no existe un tratamiento específico y que puede causar complicaciones neurológicas graves.

‍

El proceso parte del entrenamiento de modelos de aprendizaje automático con solo 36 compuestos, una cantidad muy inferior a la habitualmente necesaria. De ese grupo inicial se preseleccionaron ocho, y el modelo predijo con éxito cinco agentes antivirales. Los cinco compuestos identificados fueron confirmados mediante análisis experimentales de laboratorio, validando la eficacia del aprendizaje automático en escenarios de escasez de datos.

‍

De acuerdo con los investigadores, el método tiene el potencial de reducir el proceso de desarrollo de nuevos antivirales, que habitualmente dura entre 10 y 15 años y supera los 1.000 millones de euros de inversión, a apenas una décima parte de ese tiempo y coste económico. César de la Fuente, responsable del laboratorio que lidera este desarrollo, destacó la importancia de integrar simulaciones moleculares, aprendizaje automático y validación de laboratorio para minimizar los plazos en la búsqueda de nuevos tratamientos.

‍

La propuesta inicial para este estudio provino de la farmacéutica Procter & Gamble, que buscaba una solución para el enterovirus 71, enfermedad para la que solo se exploran actualmente vacunas experimentales. Haoyuan Shi, coautor, explicó que el uso de simulaciones de dinámica molecular permite obtener información detallada sobre la forma en que los compuestos antivirales interactúan con la cápside viral a escala atómica.

‍

El enfoque innovador del proyecto reside en modelar el efecto antiviral partiendo de un espectro de datos muy reducido, mientras que otras aproximaciones requieren grandes bases de datos para entrenar algoritmos. Fangping Wan, miembro del equipo de investigación, hizo énfasis en la capacidad del modelo para alcanzar resultados eficaces incluso cuando la disponibilidad de información es limitada.

‍

El desarrollo del modelo es de código abierto, lo que habilita a la comunidad científica global a replicar y adaptar el sistema para enfrentar otros patógenos, facilitando la generalización de tecnologías y herramientas computacionales dirigidas a diversas infecciones.

‍

Paralelamente, el laboratorio dirigido por César de la Fuente ha publicado otro trabajo centrado en péptidos sintéticos con capacidad para atacar bacterias resistentes a antibióticos. Dichos péptidos logran perforar membranas bacterianas y activar un receptor inmune esencial, potenciando así las defensas del organismo ante el incremento constante de bacterias resistentes.

‍

Ambos estudios consolidan el papel de la inteligencia artificial y la biotecnología como ejes centrales en la reducción de tiempos y costes en el desarrollo de tratamientos efectivos frente a infecciones virales y bacterianas de alto impacto sanitario.