Un modelo desarrollado en la Universidad de Pensilvania ha identificado péptidos con actividad antimicrobiana potencial en organismos desaparecidos. Los resultados siguen en fase preclínica.
Redacción: Redacción Mundo de la Salud
Editor: Eduardo Schmitz
El ADN de especies desaparecidas se ha convertido en una fuente inesperada para buscar nuevos antibióticos. El equipo de César de la Fuente, investigador español de la Universidad de Pensilvania, utiliza inteligencia artificial para localizar en proteínas antiguas pequeños fragmentos, llamados péptidos, que podrían actuar contra bacterias. Es una línea de investigación frente a la resistencia antimicrobiana, aunque todavía no ha producido un medicamento aprobado para pacientes.
La estrategia amplía la búsqueda más allá de las bibliotecas de compuestos conocidos. Mientras algunos métodos computacionales examinan moléculas ya catalogadas, otros predicen secuencias con actividad antimicrobiana o proponen estructuras nuevas. Estas vías se suman a investigaciones sobre el uso de inteligencia artificial para descubrir y mejorar antibióticos.
Del genoma antiguo al ensayo de laboratorio
El modelo APEX, cuyo nombre alude a la búsqueda de péptidos antibióticos en organismos extintos, analizó más de diez millones de secuencias. Según la Universidad de Pensilvania, identificó 37.176 con actividad antimicrobiana predicha; 11.035 de ellas no se encontraban en organismos actuales. Entre las especies examinadas figuran mamuts lanudos y otros animales desaparecidos.
Una predicción informática no equivale a una prueba de eficacia. Los investigadores seleccionaron candidatos para evaluarlos experimentalmente y algunos mostraron actividad en modelos preclínicos de infección en ratones. Estos resultados permiten seguir investigando, pero no establecen que las moléculas sean seguras o eficaces en seres humanos.
El grupo continúa desarrollando herramientas para mejorar los candidatos encontrados. En 2026 presentó ApexGO, un método que propone modificaciones sucesivas de péptidos prometedores y predice cuáles podrían aumentar su actividad antes de sintetizarlos y probarlos. La investigación aborda así dos pasos distintos: encontrar moléculas posibles y optimizar las que merecen un estudio más profundo.
El desafío comienza después del hallazgo
Un reportaje reciente de la agencia científica SINC reúne las perspectivas de investigadores que trabajan en esta búsqueda. Los especialistas señalan que la capacidad de generar candidatos mediante IA avanza más rápido que la posibilidad de fabricarlos, comprobar su toxicidad y demostrar su utilidad clínica. La resistencia bacteriana, además, exige tanto investigación de nuevos tratamientos como medidas de prevención y vigilancia, un problema que también afecta a la transmisión de bacterias resistentes en comunidades y entornos sanitarios.
Antes de llegar a un hospital, cualquier candidato deberá superar estudios de seguridad, pruebas de dosificación y ensayos clínicos. Mientras tanto, el uso adecuado de los medicamentos disponibles sigue siendo esencial. La calidad de las guías para prescribir antibióticos es una parte de esa respuesta sanitaria.
La aportación de la IA, por ahora, consiste en abrir rutas de investigación difíciles de recorrer con métodos convencionales. Que alguna de las moléculas recuperadas del pasado se convierta en un antibiótico dependerá de las pruebas experimentales y clínicas que aún faltan.
Fuentes referenciales:
Universidad de Pensilvania: investigación con el modelo APEX
Universidad de Pensilvania: desarrollo de ApexGO
Agencia SINC: reportaje sobre IA y nuevos antibióticos
