Cómo la inteligencia artificial y la genómica pueden ayudar a combatir la resistencia a los antibióticos

Aplicando tecnologías innovadoras para resolver un problema creciente.

Fuente: geralt / pixabay

La resistencia a los antimicrobianos (RAM) es una amenaza para la salud mundial. AMR representa más de 700,000 muertes en todo el mundo cada año, y se prevé que aumente a más de 10 millones de muertes para 2050, según un informe publicado por Wellcome Trust y el gobierno del Reino Unido. ¿Pueden las tecnologías innovadoras aplicadas, como la inteligencia artificial (IA) y la genómica, ayudar a resolver este problema?

El primer antibiótico moderno comercializado, la penicilina, fue desarrollado en 1928 por Sir Alexander Fleming. En 1940, se identificó la primera resistencia a los antibióticos en la penicilina-R Staphylococcus. Con el tiempo, nuevos antibióticos han llegado al mercado y muchos de los gérmenes dirigidos han evolucionado y desarrollado resistencia. La AMR es causada por el uso excesivo de antibióticos por parte de los humanos y el ganado, así como por el aumento en el uso de productos de limpieza e higiene antibacterianos. Los antibióticos funcionan en las bacterias, no en los virus, y con frecuencia se recetan en exceso para las enfermedades no virales. Para agravar el problema, las compañías farmacéuticas están desarrollando menos antibióticos debido a las barreras económicas y reglamentarias, según los Centros para el Control y la Prevención de Enfermedades (CDC) de EE. UU.

• Capacitación de computadoras para identificar el trastorno bipolar
• (Cuyo) futuro de (lo que) trabajo
• Tres mitos sobre los niños y los algoritmos
• Mejor ajedrez
• ¿Qué está sucediendo realmente cuando nos sentimos auténticos?

El filántropo multimillonario y cofundador de Microsoft, Bill Gates, ha advertido repetidamente que una pandemia global es una amenaza existencial que debe abordarse.

“Si algo mata a más de 10 millones de personas en las próximas décadas, es más probable que sea un virus altamente infeccioso en lugar de una guerra. No misiles, sino microbios. Ahora, parte de la razón de esto es que hemos invertido una gran cantidad de disuasivos nucleares. Pero en realidad hemos invertido muy poco en un sistema para detener una epidemia. No estamos listos para la próxima epidemia “. Bill Gates

Gates utiliza el ejemplo de un virus pandémico como un potencial microbio que puede causar estragos. Sin embargo, los virus no son la única amenaza. La falta de antibióticos para tratar las enfermedades causadas por bacterias también representa un importante problema de salud mundial. Para abordar este problema, los investigadores pioneros están utilizando la tecnología para encontrar nuevas soluciones.

• ¿Las mujeres envejecen más lentamente que los hombres?
• ¿Cuánto dolor sientes?
• ¿Qué habilidades suaves necesitamos para trabajar con robots?
• Cómo Cambridge Analytica utilizó los datos para influir en los votantes
• ¿No estás seguro de qué hacer con tu grado de psicólogo? Pruebe consultar

Recientemente, científicos de investigación de la Universidad de California en San Diego han creado un método para identificar y predecir qué genes hacen que las bacterias infecciosas se vuelvan resistentes a los antibióticos utilizando el aprendizaje automático de la IA. El equipo publicó sus resultados de investigación en Nature Communications.

Los científicos desarrollaron una plataforma computacional de aprendizaje automático “complementada con análisis de interacción genética y mapeo de mutación estructural 3D” que puede identificar “firmas de evolución de AMR a 13 antibióticos”. Entrenaron el algoritmo de aprendizaje automático tanto en secuencias de genoma como en fenotipos de 1,595 cepas de sobre la bacteria causante de la tuberculosis llamada Mycobacterium tuberculosis . Como resultado, el algoritmo predijo correctamente 33 genes conocidos resistentes a los antibióticos e identificó 24 nuevas firmas genéticas de resistencia antimicrobiana. Según los investigadores de la UC San Diego, su enfoque puede aplicarse a otros patógenos causantes de infecciones.

Los investigadores de Virginia Tech han desarrollado una solución de aprendizaje profundo de IA, DeepARG, para combatir la resistencia a los antibióticos. Utilizando tecnologías de secuenciación de próxima generación (NGS) como Illumina, DeepARG consta de dos modelos: lecturas de secuencia corta (DeepARG-SS) y secuencias largas similares a genes (DeepARG-LS). Según los científicos de Virginia Tech, “la tecnología de secuenciación de ADN de alto rendimiento ahora proporciona una herramienta poderosa para perfilar el complemento completo del ADN, incluidos los ARG” (genes de resistencia a los antibióticos). Los investigadores han curado los ARG predichos con “un alto grado de confianza” en una base de datos llamada DeepARG-DB que está disponible para consultas o descargas para apoyar el desarrollo de recursos relacionados con la resistencia a los antibióticos.

Day Zero Diagnostics, una startup financiada con capital de riesgo y con inversión ángel fundada en 2016, está aplicando la secuenciación del genoma completo con el algoritmo de aprendizaje de máquina AI llamado Keynome ™ para acortar la identificación de una infección bacteriana de dos a cinco días a horas. La compañía desarrolló una base de datos de resistencia microbiana patentada llamada MicrohmDB® que determina la resistencia a los antibióticos utilizando datos genómicos. Day Zero Diagnostics tiene su base en Harvard Life Lab y trabaja en colaboración con el Dr. Doug Kwon en el Ragon Institute of MGH, MIT y Harvard.

Según los CDC, más de dos millones de estadounidenses se ven afectados por infecciones resistentes a los antibióticos y 23,000 mueren cada año por infecciones resistentes a los antibióticos. El CDC estima que el impacto económico de AMR en los EE. UU. Es de más de $ 20 mil millones en costos directos de atención médica, más $ 35 mil millones en pérdida de productividad, por un total de $ 55 mil millones anuales. A través del trabajo de científicos e investigadores pioneros, se están aplicando tecnologías innovadoras como el aprendizaje automático de la IA y la genómica con la esperanza de ayudar a la humanidad en el futuro.

Copyright © 2018 Cami Rosso Todos los derechos reservados.

Referencias

Prestinaci F., Pezzotti P, Pantosti A. La resistencia a los antimicrobianos: un fenómeno global multifacético. Pathog Glob Health . 2015; 109 (7): 309-18.

Bienvenida Trust, Gobierno del Reino Unido. “Revisión sobre la resistencia a los antimicrobianos. Resistencia a los antimicrobianos: Afrontando una crisis para la salud y la riqueza de las naciones. 2014. https://amr-review.org/

Bill Gates. “¿El próximo brote? No estamos listos. ”TED2015. Obtenido el 11-15-2018 de https://www.ted.com/talks/bill_gates_the_next_disaster_we_re_not_ready?language=en

Universidad de California – San Diego. “El aprendizaje automático identifica los genes de resistencia a los antibióticos en las bacterias causantes de la tuberculosis”. Phys.org . 25 de octubre de 2018.

Kavvas, E., Catouiu, E., Mih, N., Yurkovich, J., Seif, Y., Dillon, N., Heckmann, D., Anand, A., Yang, L., Nizet, V., Monk, J., Palsson, B. “El aprendizaje mecánico y el análisis estructural del pan-genoma de Mycobacterium tuberculosis identifican firmas genéticas de resistencia a los antibióticos”. Nature Communications . 17 de octubre de 2018.

Gustavo A. Arango-Argoty, Emily Garner, Amy Pruden, Lenwood S. Heath, Peter Vikesland, Liqing Zhang. DeepARG: un enfoque de aprendizaje profundo para predecir genes de resistencia a antibióticos a partir de datos metagenómicos. (2018 microbioma).

Diagnóstico día cero. Consultado el 11-15-2018 en https://www.dayzerodiagnostics.com/

Centros de Control y Prevención de Enfermedades. “Resistencia a antibióticos / antimicrobianos (AR / AMR). Obtenido el 11-15-2018 de https://www.cdc.gov/drugresistance/about.html