El estudio, publicado en la revista Nature Communications, presenta un avance significativo en la investigación de antimicrobianos derivados de venenos animales mediante la integración de inteligencia artificial y experimentación en laboratorio. Mediante el sistema APEX, los investigadores analizaron una base de datos compuesta por más de 40 millones de péptidos envenenados (VEPs), seleccionando en apenas unas horas un total de 386 compuestos con propiedades moleculares indicativas de potencial actividad antibiótica.
‍

‍
Posteriormente, se llevaron a cabo pruebas de laboratorio con 58 de los compuestos identificados. De estos, 53 péptidos —equivalente al 91.4%— demostraron tener eficacia frente a bacterias que presentan resistencia a fármacos, incluyendo Escherichia coli y Staphylococcus aureus. Ninguno de los compuestos efectivos mostró toxicidad para los glóbulos rojos humanos a las concentraciones evaluadas.
‍

‍
El trabajo incluyó el mapeo de más de 2,000 nuevos motivos antibacterianos, definidos como secuencias específicas de aminoácidos responsables de la capacidad de los péptidos para inhibir o eliminar bacterias. La identificación de estos motivos amplía significativamente el conocimiento sobre las secuencias funcionales con capacidad antimicrobial en venenos animales.
‍

‍
Durante la fase inicial, los investigadores identificaron 7,379 péptidos envenenados con una concentración mínima inhibitoria (MIC) media igual o inferior a 32 µmol/L. Posteriormente, el grupo de candidatos se filtró, aplicando criterios de unicidad y baja similitud con péptidos antimicrobianos previamente conocidos, hasta obtener los 386 candidatos principales.
‍

‍
Para la validación en modelos animales, los compuestos fueron probados en ratones con infección cutánea por Acinetobacter baumannii, donde se observó una reducción significativa de la carga bacteriana tras la aplicación de los péptidos seleccionados. Además, el equipo investigador actualmente trabaja en la optimización estructural de los péptidos más prometedores mediante técnicas de química medicinal.
‍

‍
Este enfoque, que combina prospección computacional masiva y validación experimental, representa una de las estrategias más exhaustivas a la fecha para el descubrimiento de antibióticos de nueva generación a partir de la diversidad química de los venenos animales, proporcionando un nuevo marco para combatir la creciente resistencia a los medicamentos antimicrobianos.