Com un investigador utilitza Codex i ChatGPT per cercar noves molècules antimicrobianes

Els microbis resistents als fàrmacs, com ara bacteris, fongs, paràsits i virus, són una amenaça mundial creixent. Uns cinc milions de morts l'any 2021 es van associar⁠(s'obre en una finestra nova) a la resistència bacteriana als antimicrobians, una xifra anual que es preveu que gairebé es dupliqui d'aquí al 2050. Trobar molècules amb potencial per convertir-se en antimicrobians és un procés que pot trigar anys. Els investigadors utilitzen la IA per accelerar aquesta etapa inicial del descobriment.

"A parer meu, la resistència als antimicrobians és una de les amenaces existencials més grans per a la humanitat", afirma César de la Fuente⁠(s'obre en una finestra nova), un bioenginyer que dirigeix un laboratori interdisciplinari dedicat a cercar possibles antimicrobians. "I, malgrat això, fa 50 anys que no tenim cap classe nova d'antibiòtics".

Gran part del desenvolupament modern d'antimicrobians se centra a modificar medicaments existents o a cercar-los en classes conegudes de substàncies químiques. Però aquest enfocament cada vegada dona menys resultats.

El laboratori de De la Fuente parteix d'un lloc molt menys explorat: el codi de la vida. La idea central d'aquesta feina és que la biologia és un sistema d'informació. "Els nucleòtids que formen l'ADN i els aminoàcids que formen les proteïnes i els pèptids són com una mena d'alfabet", explica De la Fuente. "Concebre la biologia com a informació ens va permetre desenvolupar mètodes capaços de començar a desxifrar els principis organitzatius de la vida que van donar lloc a una molècula funcional".

Els models d'aprenentatge profund del laboratori s'entrenen per reconèixer patrons en seqüències biològiques, fet que els permet cercar possibles antimicrobians en enormes conjunts de dades genòmiques i proteiques. Aquest enfocament pot reduir d'anys a hores la cerca inicial de molècules candidates.

A més dels seus propis models d'IA, el laboratori utilitza ChatGPT i Codex per generar hipòtesis, escriure i perfeccionar codi, processar conjunts de dades, analitzar resultats i connectar idees de diverses disciplines científiques.

Només es coneix amb claredat la funció d'una petita part d'un genoma, i encara són menys les parts que codifiquen molècules capaces de combatre microbis infecciosos. El repte és identificar els patrons que fan que una molècula sigui funcional, és a dir, biològicament activa, i després determinar quines tenen potencial per combatre microbis infecciosos.

Fa molt de temps que els científics cerquen antimicrobians en plantes, animals, microbis, insectes, aigua i sòl. Recullen mostres, aïllen o prediuen molècules candidates i les posen a prova mitjançant un procés iteratiu que pot durar anys.

Les bases de dades digitals de genomes i proteïnes permeten ara als científics cercar nous compostos en tot l'arbre de la vida, cosa que amplia enormement el ventall de dades disponibles per explorar. Però aquesta abundància d'informació comporta els seus propis reptes: trobar indicis prometedors entre una quantitat enorme de possibilitats.

La IA és especialment adequada per a aquesta tasca de cercar una agulla en un paller. Pot examinar conjunts de dades enormes, identificar patrons que als investigadors els podria costar detectar i prioritzar un nombre assumible de candidats per provar-los experimentalment.

Però identificar un candidat prometedor no vol dir necessàriament que es converteixi en un medicament eficaç.

Primer, els científics han de confirmar que la molècula candidata mata el microbi objectiu, determinar quina quantitat cal perquè sigui eficaç i comprovar com afecta les cèl·lules humanes. Després, els químics poden optimitzar-la per millorar-ne l'eficàcia, la seguretat o l'estabilitat.

Altres proves determinen a quina dosi el candidat esdevé tòxic, amb quina facilitat els microbis desenvolupen resistència a la molècula i com es desplaça el candidat per l'organisme. Els equips també determinen una manera fiable de fabricar la molècula. Els candidats que superen aquests obstacles encara han de passar una revisió reguladora i assajos clínics abans d'arribar als pacients com a medicaments antimicrobians autoritzats.

Per a De la Fuente, és per això que la IA i la biologia de laboratori han d'avançar plegades. "Els experiments reals són essencials per validar les prediccions de la IA", afirma. "Això serà fonamental per a les ciències de la vida durant els pròxims anys si volem continuar avançant, encara que sigui mínimament, en la comprensió de la biologia, que és la realitat més complexa que existeix".

El seu laboratori explora els genomes d'organismes vius i extingits a la recerca de molècules candidates. Cercar en aquests genomes, entendre com es formen i funcionen les proteïnes que codifiquen i determinar què fan aquestes molècules exigeix coneixements de diversos camps.

"Som un grup altament transdisciplinari, amb persones procedents de la biologia, la química, la informàtica i l'enginyeria", explica De la Fuente. Alguns membres del laboratori són grans programadors, però tenen menys coneixements de biologia o química, i a la inversa. Codex i ChatGPT ajuden a superar aquestes mancances, ja que permeten als biòlegs crear programes i als programadors abordar problemes biològics. En aquest sentit, la IA redueix les barreres entre disciplines científiques.

Ajuda els membres del laboratori a familiaritzar-se amb temes que necessiten per a la seva feina interdisciplinària, aclarir terminologia, comparar mètodes de diversos camps i organitzar idees per descobrir fàrmacs. D'altres utilitzen la IA per descarregar, organitzar i preprocessar grans conjunts de dades genòmiques. ChatGPT també permet als membres del laboratori treballar en la seva llengua materna, cosa que redueix les barreres i agilitza els fluxos de treball.

De la Fuente utilitza ChatGPT per generar idees. Continua desenvolupant idees amb els seus col·legues, però valora la capacitat de la IA per ajudar-lo a donar forma a una hipòtesi. També li agrada poder accedir a la informació d'arreu del món amb un sol clic.

"El nostre espai de treball de ChatGPT rep aportacions de totes aquestes persones que aborden de maneres diferents els problemes que intentem resoldre", explica De la Fuente. Els membres del laboratori hi introdueixen tant les idees bones com les dolentes, de manera que es converteix en una mena de banc de proves col·laboratiu.

Tanmateix, adverteix que no s'ha de dependre només de la IA. "Evidentment, sempre cal comprovar que la informació sigui correcta", afirma De la Fuente.

Amb tot, valora la capacitat de la IA per ajudar els investigadors a explorar les fronteres entre disciplines científiques. "És aquí on hi ha avenços esperant ser descoberts. Es troben, essencialment, als límits entre camps, on s'endinsa molt poca gent".

Considera que aquesta feina forma part d'una tradició científica molt més llarga. "Sempre ens hem servit d'eines i màquines per entendre el món que ens envolta", afirma De la Fuente. "El telescopi va il·luminar el cosmos i el microscopi va revelar el món invisible". Ara les màquines ajuden els investigadors a comprendre, predir i dissenyar la biologia. "Això és precisament el que fem amb la nostra feina", afirma.