Un equipo de investigación del Instituto de Biología Integrativa de Sistemas (I²SysBio), un centro colaborativo entre la Universitat de València y el Consejo Superior de Investigaciones Científicas (CSIC), ha diseñado un sistema innovador de Inteligencia Artificial que permite predecir qué bacterias pueden ser atacadas por virus bacterianos, conocidos como fagos. Este avance se basa en el análisis de la secuencia de una enzima clave: la depolimerasa, y ha sido publicado en la prestigiosa revista Nature Communications.
La creciente resistencia a los antibióticos está complicando cada vez más el tratamiento de infecciones bacterianas. En este contexto, los fagos emergen como una alternativa viable al uso convencional de antibióticos. Sin embargo, determinar cuál fago es efectivo contra cada tipo de bacteria presenta un desafío significativo. El estudio, liderado por los investigadores Robby Concha-Eloko, Beatriz Beamud, y los profesores Pilar Domingo-Calap y Rafael Sanjuán, propone utilizar inteligencia artificial para simplificar este proceso predictivo.
Nueva metodología para combatir infecciones resistentes
Para desarrollar su modelo, el equipo se centró en la bacteria Klebsiella, clasificada por la Organización Mundial de la Salud (OMS) como uno de los patógenos prioritarios debido a su capacidad para causar infecciones hospitalarias graves y su notable resistencia a múltiples antibióticos. Las bacterias del género Klebsiella están recubiertas por cápsulas de polisacáridos que dificultan tanto la acción de los antibióticos como la penetración de los fagos. Para sortear esta barrera, muchos fagos producen depolimerasas, enzimas que descomponen estas cápsulas, permitiendo así que el bacteriófago infecte a la bacteria y contribuya a su erradicación.
No obstante, la vasta diversidad genética presente en estas cápsulas—con más de 100 serotipos identificados en Klebsiella—ha complicado enormemente la tarea de predecir qué fago podría atravesar dicha cápsula e infectar efectivamente a la bacteria. Esta variabilidad convierte a Klebsiella en un modelo ideal para investigar las interacciones entre fagos y sus cápsulas protectoras.
Tecnología avanzada para una solución biotecnológica efectiva
Aprovechando información genética proveniente de miles de bacterias del género Klebsiella y sus virus "dormidos" (pro-fagos) integrados en su genoma, el equipo ha creado una base de datos que asocia cada enzima con el tipo específico de cápsula bacteriana que puede degradar. Mediante técnicas avanzadas de aprendizaje automático y modelos inspirados en el procesamiento del lenguaje natural—similares a aquellos utilizados por traductores automáticos—los investigadores han logrado predecir con alta precisión el "tropismo" o especificidad de cada depolimerasa.
Una solución contra los biofilms:
Este avance representa un hito importante para la biotecnología basada en fagos o sus componentes, ya que permite anticipar su especificidad. Esta capacidad es fundamental para diseñar aplicaciones futuras, especialmente en lo referente al tratamiento del biofilm—aquella estructura protectora que algunas bacterias forman para adherirse a superficies y resistir tratamientos convencionales.
Dada su relevancia, los biofilms son reconocidos como un obstáculo crítico en el manejo de infecciones. Se ha demostrado que contribuyen a enfermedades crónicas como la fibrosis quística, heridas persistentes, infecciones asociadas con prótesis e infecciones del tracto urinario.
Nuevas perspectivas en tratamientos antimicrobianos
"El uso de depolimerasas, ya sea combinado con tratamientos actuales (antibióticos o péptidos antimicrobianos) o potencialmente como potenciador del sistema inmunitario, puede abordar problemas relacionados con la formación de biofilms", explica Robby Concha-Eloko. Esto podría reducir significativamente el riesgo asociado al fracaso terapéutico.
"A diferencia del método tradicional que implica un laborioso proceso experimental para identificar fagos efectivos, nuestros modelos basados en inteligencia artificial permiten realizar predicciones específicas in silico", añade Concha-Eloko. Este enfoque facilita la creación de bibliotecas de depolimerasas que pueden ser utilizadas para identificar las enzimas más eficaces en optimizar tanto la degradación de las cápsulas como del biofilm resultante.
A pesar de haber utilizado Klebsiella como modelo principal, esta metodología tiene potencial para aplicarse contra otras bacterias productoras de cápsulas, abarcando así muchos otros patógenos considerados prioritarios por la OMS.
En resumen, este estudio no solo proporciona soluciones innovadoras ante desafíos microbiológicos actuales sino que también establece nuevas vías para entender las interacciones entre fagos y sus huéspedes mediante dos enfoques: utilizando datos genéticos disponibles y proponiendo arquitecturas integradoras que permiten entrenar modelos con diversas especies bacterianas simultáneamente.
Si (
No(
