Resucitar moléculas de la Prehistoria contra las superbacterias: la nueva frontera de los antibióticos por IA
Los modelos generativos ya exploran un universo químico que escapa a las bibliotecas tradicionales y pueden recuperar péptidos del ADN de especies desaparecidas. Convertir esos hallazgos computacionales en medicamentos sigue siendo un gran desafío, pero según detallan en Sinc, algunos estudiose han identificado ya 200 moléculas que podrían ser eficaces contra las superbacterias procedentes de especies prehistóricas como el mamut lanudo, el perezoso gigante, elefantes extintos o pingüinos.
Resucitar moléculas de la Prehistoria contra las superbacterias: la nueva frontera de los antibióticos por IA
Por @albertopayo
https://t.co/RoANxxjbqU
— SINC (@agencia_sinc) September 25, 2026
La medicina moderna se enfrenta a un abismo silencioso pero letal, el de la resistencia a los antimicrobianos. Las bacterias evolucionan y desarrollan resistencias más rápido de lo que somos capaces de encontrar nuevos fármacos para combatirlas. Pero algo está cambiando. La biología, la química y la inteligencia artificial han empezado a confluir en una nueva forma de buscar antibióticos, capaz de explorar un universo de moléculas que hasta ahora resultaba inabarcable. Después de décadas de pocos avances, los algoritmos prometen acelerar un proceso que tradicionalmente ha requerido años de investigación y enormes cantidades de recursos.
El gran punto de inflexión mediático y científico en esta disciplina se produjo en 2020. Un equipo liderado por James J. Collins, catedrático en el MIT y pionero de la biología sintética, presentó al mundo la Halicina. Por primera vez, un modelo de aprendizaje profundo (deep learning) había identificado una molécula capaz de exterminar patógenos altamente resistentes a partir de un rastreo masivo mediante simulación por ordenador.
«Cuando presentamos la Halicina, demostramos que el aprendizaje profundo podía utilizarse como una herramienta para descubrir nuevos antibióticos y explorar un espacio químico mucho más amplio. Demostramos que la clave residía en integrar la inteligencia humana con la inteligencia de las máquinas», recuerda J. Collins sobre aquel hito en conversaciones con SINC.
Aquel descubrimiento no solo reavivó el interés académico, sino que impulsó a la gran industria farmacéutica a adoptar estas herramientas computacionales y a interesarse de nuevo por un sector históricamente desatendido por su baja rentabilidad. Seis años después de aquella demostración, el campo ha experimentado una transición hacia la IA generativa. En lugar de limitarse a clasificar o filtrar bibliotecas de moléculas conocidas, los investigadores emplean modelos generativos para diseñar estructuras totalmente creadas desde cero.
«Nos permite explorar un espacio químico enormemente mayor. Antes hacíamos cribados por ordenador sobre bibliotecas existentes de cientos o miles de millones de compuestos. La IA generativa nos permite ir más allá y adentrarnos en el vasto espacio de moléculas posibles que ni siquiera han sido identificadas o sintetizadas aún», explica Collins.
Cazar fármacos en el pasado evolutivo
Si el trabajo de Collins abrió la puerta al cribado masivo informático y al diseño desde cero, el laboratorio que dirige César de la Fuente, al frente del Machine Biology Group en la Universidad de Pensilvania, ha extendido las fronteras de la biología computacional hacia la arqueología molecular y el árbol de la vida. «Llevo más de una década en este campo. Al principio había mucho escepticismo sobre la aplicación de la IA a la biología por su elevada complejidad. Empezamos utilizando algoritmos de computación evolutiva y reconocimiento de patrones; más adelante incorporamos deep learning y, finalmente, IA generativa», repasa De la Fuente en una charla presencial con SINC.
La aceleración ha sido radical, ya que tareas de minería computacional sobre miles de genomas y metagenomas que antes requerían años de análisis manual ahora se ejecutan en cuestión de minutos.Una de las aportaciones más singular del grupo de De la Fuente ha sido la exploración del genoma extinto como fuente inagotable de código antimicrobiano. A través de su modelo de IA denominado APEX, el equipo ha rastreado la información genética de organismos ancestrales para recuperar péptidos terapéuticos.
«Hemos investigado en el mamut lanudo, en el perezoso gigante, en elefantes extintos, pingüinos, árboles de magnolia, arqueas y hongos. Comenzamos explorando el proteoma humano, luego pasamos a homínidos arcaicos como los neandertales y posteriormente desarrollamos APEX para explorar las tres ramas del árbol de la vida», detalla el científico español.
Fruto de esta prospección prehistórica, el laboratorio cuenta ya con cerca de 200 moléculas candidatas en fase preclínica. Compuestos bautizados como la mamutucina (procedente del mamut) o la elefasina (del elefante antiguo) han mostrado una elevada eficacia reduciendo infecciones en modelos animales, según revela.
Radiocable.com y su programa La Cafetera se financian con las aportaciones de lectores y oyentes. Necesitamos tu ayuda para sobrevivir. Si te gusta el periodismo que defiende el programa y sientes que te acompaña, hazte suscriptor-mecenas aquí.
