Desextinción molecular

La desextinción molecular[1]​ es la investigación que se centra en emplear moléculas de organismos extintos, para utilizarlas en el tratamiento de enfermedades actuales, especialmente en el desarrollo de nuevos antibióticos ante la resistencia antimicrobiana. Este término fue introducido[2][3]​ por el Machine Biology Group de la UPenn, liderado por C. de la Fuente, quien busca crear terapias antimicrobianas innovadoras con el apoyo de técnicas avanzadas de inteligencia artificial.

Historia

En 2011 un equipo australiano publicó «Péptidos antimicrobianos antiguos eliminan los patógenos resistentes a los antibióticos: los mamíferos australianos ofrecen nuevas opciones» centrado en una familia clave de genes de péptidos antimicrobianos. La secuenciación del genoma del ualabí y del ornitorrinco utilizando estrategias bioinformáticas, permitió el descubrimiento de péptidos divergentes en los genomas de nuestros parientes lejanos, para desarrollar fármacos contra patógenos resistentes.[4]

En 2017 el grupo Ciências Genômicas e Biotecnologia de la Universidade Católica de Brasília publicó «Herramientas computacionales para explorar bases de datos de secuencias como recurso para péptidos antimicrobianos» que establecía la identificación de péptidos antimicrobianos (AMP) en bases de datos. Según el origen de su secuencia de aminoácidos, los AMP se dividían en: naturales, encriptados y diseñados.[5]
Otra publicación en el mismo 2017, Péptidos antimicrobianos (AMP): compuestos antiguos que representan nuevas armas en la lucha contra las bacterias. ofrecía una revisión detallada de una selección de los AMP más destacados e interesantes con actividad antibacteriana.[6]

En 2019 el Machine Biology Group, publicó «Hacia antibióticos artificiales creados por computador» donde revisaban herramientas computacionales para el diseño de fármacos y aportaban moléculas generadas basadas en péptidos, como candidatos a antibióticos.[7]

La Neandertalina

La primera investigación[8]​ en el campo de la «desextinción molecular» se enfocó en la búsqueda de proteínas antimicrobianas en organismos extintos,[9]​ particularmente en los neandertales y los denisovanos. En el estudio el equipo desarrolló un algoritmo de aprendizaje automático (machine learning) llamado panCleave,[10]​ Este algoritmo analizaba fragmentos de ADN de organismos extintos y modernos, sirviendo estos últimos como controles, y seleccionaba secuencias con potencial actividad antimicrobiana. Después de este proceso, los fragmentos seleccionados fueron evaluados mediante filtros de aprendizaje automático y revisión experta para predecir su eficacia. A través de este proceso se identificaron moléculas antibacterianas. La primera encontrada era una proteína neandertal, que denominaron, «Neandertalina».[11]

La Mamutusina

En un segundo estudio de «desextinción molecular», el equipo de investigación aplicó un modelo de deep learning más potente, llamado APEX,[12]​ para analizar el extintoma[13][14][15]​ es decir, el proteoma de todos los organismos extintos registrados por la ciencia hasta el momento. Este modelo identificó fragmentos con potencial antimicrobiano en proteínas de varias especies, como mamuts lanudos, pingüinos antiguos, perezosos gigantes y alces gigantes. Los compuestos más prometedores fueron sintetizados y evaluados en experimentos in vitro y en modelos preclínicos con ratones. Entre los hallazgos destacados se encuentra la «Mamutusina», un potencial antibiótico derivado de proteínas del mamut lanudo.

La neandertalina, la mamutusina, la milodona, la elefantina, la megalocerina y la hidrodamina, lachnospirin-1, enterococcin-1, ampspherin-4, y reyranin-1 presentaron actividad bactericida muestran una actividad ercana a uno de los antibióticos que más se utilizan: la polimixina B.[16][13][17]

Véase también

Referencias

  1. Wan, Fangping; Torres, Marcelo D.T.; Peng, Jacqueline; de la Fuente-Nunez, Cesar (2024-07). «Deep-learning-enabled antibiotic discovery through molecular de-extinction». Nature Biomedical Engineering (en inglés) 8 (7): 854-871. ISSN 2157-846X. doi:10.1038/s41551-024-01201-x. Consultado el 10 de diciembre de 2024. 
  2. Field, Matt (16 de noviembre de 2023). «Protein de-extinction: How Neanderthals and mammoths could help find new antibiotics». Bulletin of the Atomic Scientists (en inglés estadounidense). Consultado el 10 de diciembre de 2024. 
  3. Torrance, Andrew W.; de la Fuente-Nunez, Cesar (2024-08). «The patentability and bioethics of molecular de-extinction». Nature Biotechnology (en inglés) 42 (8): 1179-1180. ISSN 1087-0156. doi:10.1038/s41587-024-02332-x. Consultado el 10 de diciembre de 2024. 
  4. Wang, Jianghui; Wong, Emily S.W.; Whitley, Jane C.; Li, Jian; Stringer, Jessica M.; Short, Kirsty R.; Renfree, Marilyn B.; Belov, Katherine; Cocks, Benjamin G.; Renfree, Marilyn B.; Belov, Katherine (30 de agosto de 2011). «Ancient Antimicrobial Peptides Kill Antibiotic-Resistant Pathogens: Australian Mammals Provide New Options». PLOS ONE (en inglés) 6 (8): e24030. ISSN 1932-6203. PMC 3166071. PMID 21912615. doi:10.1371/journal.pone.0024030. Consultado el 10 de diciembre de 2024. 
  5. Porto, W.F.; Pires, A.S.; Franco O.L. (2017). «Computational tools for exploring sequence databases as a resource for antimicrobial peptides». Biotechnology Advances 35 (3): 337-349. doi:10.1016/j.biotechadv.2017.02.001. Consultado el 9 de diciembre de 2024. 
  6. Ageitos, J.M.; Sánchez-Pérez, A.; Calo-Mata, P.; Villa, T. G. (1 de junio de 2017). «Antimicrobial peptides (AMPs): Ancient compounds that represent novel weapons in the fight against bacteria». Biochemical Pharmacology (REVISIÓN). Antibiotics - Meeting the Challenges of 21st Century Health Care: Part I 133: 117-138. ISSN 0006-2952. doi:10.1016/j.bcp.2016.09.018. Consultado el 16 de diciembre de 2024. 
  7. Torres, Marcelo D.T.; de la Fuente-Nunez, Cesar (1 de octubre de 2019). «Toward computer-made artificial antibiotics». Current Opinion in Microbiology. Antimicrobials 51: 30-38. ISSN 1369-5274. doi:10.1016/j.mib.2019.03.004. Consultado el 10 de diciembre de 2024. 
  8. Maasch, Jacqueline R.M.A.; Torres, Marcelo D.T.; Melo, Marcelo C.R.; de la Fuente-Nunez, Cesar (2023-08). «Molecular de-extinction of ancient antimicrobial peptides enabled by machine learning». Cell Host & Microbe (en inglés) 31 (8): 1260-1274.e6. PMC 11625410. PMID 37516110. doi:10.1016/j.chom.2023.07.001. Consultado el 10 de diciembre de 2024. 
  9. Gomollón-Bel, Fernando (24 de agosto de 2023). «Revived Neanderthal and Denisovan peptides show antibiotic activity». Chemistry World (en inglés). Consultado el 10 de diciembre de 2024. 
  10. «Machine Biology Group Public / panCleave · GitLab». GitLab (en inglés). Consultado el 10 de diciembre de 2024. 
  11. Sidik, Saima (28 de julio de 2023). «AI search of Neanderthal proteins resurrects ‘extinct’ antibiotics». Nature News (en inglés). doi:10.1038/d41586-023-02403-0. Consultado el 10 de diciembre de 2024. (requiere suscripción). 
  12. «Machine Biology Group Public / APEX · GitLab». GitLab (en inglés). Consultado el 10 de diciembre de 2024. 
  13. a b EFE Agencia (30 de agosto de 2024). «César de la Fuente, el científico coruñés que busca antibióticos en moléculas de especies extintas». Cadena SER. Consultado el 10 de diciembre de 2024. 
  14. Ferreira, Adryan F.L.; Osiro, Karen O.; de Oliveira, Kamila B. S.; Cardoso, Marlon H.; de Lima, Lucas R.; Duque, Harry M.; Macedo, Maria L.R.; Landon, Céline; de la Fuente-Nunez, Cesar (18 de septiembre de 2024). «Defensins identified through molecular de-extinction». Cell Reports Physical Science 5 (9): 102193. ISSN 2666-3864. doi:10.1016/j.xcrp.2024.102193. Consultado el 10 de diciembre de 2024. 
  15. Wong, Felix; de la Fuente-Nunez, Cesar; Collins, James J. (14 de julio de 2023). «Leveraging artificial intelligence in the fight against infectious diseases». Science (en inglés) 381 (6654): 164-170. ISSN 0036-8075. PMC 10663167. PMID 37440620. doi:10.1126/science.adh1114. Consultado el 10 de diciembre de 2024. 
  16. María R. Lagoa (12 de junio de 2024). «Un científico español busca nuevos antibióticos 'resucitando' moléculas de especies ya desaparecidas como los neandertales y el mamut». El Mundo.es. 
  17. Célio Dias Santos-Júnior; Marcelo D.T. Torres; Yiqian Duan; Álvaro Rodríguez del Río; ∙ Thomas S.B. Schmidt; Hui Chong; Anthony Fullam; Michael Kuhn; Chengkai Zhu; Amy Houseman Jelena Somborski; Anna Vines; Xing-Ming Zhao; Peer Bork; Jaime Huerta-Cepas; Cesar de la Fuente-Nunez; Luis Pedro Coelho (11 de julio de 2024). «Discovery of antimicrobial peptides in the global microbiome with machine learning». Cell. 187, (14): 3761-3778.e16. Consultado el 10 de diciembre de 2024.  OpenA

Bibliografía

Enlaces externos