Cómo la IA de César de la Fuente Reivindica la Guerra Contra la Resistencia Antimicrobiana: Una Búsqueda Global de Antibióticos
Publicado el 17-02-2026
En un momento crítico para la salud global, donde la resistencia antimicrobiana amenaza con devolvernos a una era pre-antibiótica, el bioingeniero César de la Fuente lidera una revolución. Su equipo utiliza la inteligencia artificial para desenterrar nuevos péptidos antimicrobianos en los lugares más insospechados, desde genomas ancestrales hasta el reino animal, ofreciendo una esperanza renovada en la lucha contra infecciones letales.
La Alarma Silenciosa: Una Crisis de Salud Global Ignorada
Hace dos décadas, un joven César de la Fuente ya identificaba la resistencia antimicrobiana (RAM) como uno de los desafíos más urgentes y subfinanciados del planeta. Hoy, esa premonición es una cruda realidad. La RAM, un fenómeno en el que bacterias, hongos y virus desarrollan la capacidad de evadir tratamientos, está vinculada a más de 4 millones de muertes anuales y se proyecta que esta cifra podría superar los 8 millones para 2050, según un análisis reciente publicado en The Lancet. Esta escalada amenaza con sumirnos en una «era post-antibiótica», donde infecciones comunes, como las causadas por Escherichia coli o Staphylococcus aureus, actualmente tratables, podrían volverse fatales.
El panorama es sombrío: la cadena de descubrimiento de nuevos antibióticos está estancada. Los altos costos de desarrollo, los largos plazos y los bajos retornos de inversión han disuadido a la industria farmacéutica, dejando un vacío peligroso en nuestra arsenal contra patógenos cada vez más astutos. La necesidad de una nueva estrategia es imperiosa, y es aquí donde la inteligencia artificial emerge como una fuerza disruptiva y esperanzadora.
Desbloqueando el Potencial Oculto: La IA como Microscopio Molecular
César de la Fuente, bioingeniero y biólogo computacional de la Universidad de Pennsylvania, está reescribiendo las reglas del descubrimiento de fármacos utilizando el poder de la inteligencia artificial. Su equipo entrena sofisticadas herramientas de IA para rastrear genomas, tanto actuales como ancestrales, en busca de péptidos con propiedades antibióticas. Su visión es audaz: ensamblar estas moléculas —cadenas de hasta 50 aminoácidos— en configuraciones inéditas, algunas nunca antes vistas en la naturaleza, con el fin de defender el cuerpo contra microbios que resisten los tratamientos tradicionales.
La IA no solo acelera el proceso, sino que también permite explorar un universo de posibilidades químicas y biológicas inalcanzable para los métodos convencionales. La aplicación de la IA en biotecnología está abriendo puertas a una nueva era de medicina, donde el diseño de fármacos se vuelve más predictivo y eficiente. De la Fuente y otros pioneros están demostrando que la IA no es solo una herramienta, sino un catalizador para soluciones que antes parecían ciencia ficción.
La “Des-Extinción Molecular”: En Busca de Antiguas Defensas
La investigación de De la Fuente ha revelado candidatos prometedores en los rincones más inesperados del reino biológico. Su equipo ha descrito péptidos ocultos en el código genético de organismos unicelulares antiguos como las arqueas. Antes de eso, habían excavado una lista de candidatos en el veneno de serpientes, avispas y arañas. Pero quizás la iniciativa más fascinante es su proyecto de «des-extinción molecular». En este esfuerzo, el equipo escanea secuencias genéticas publicadas de especies extintas para encontrar moléculas potencialmente funcionales. Esto incluye homínidos como neandertales y denisovanos, mamíferos megafaunísticos como mamuts lanudos, y especies extintas de cebras y pingüinos.
La lógica es intrigante: a lo largo de la historia de la vida en la Tierra, es plausible que algunos organismos hayan desarrollado defensas antimicrobianas que podrían ser útiles hoy. Estos códigos genéticos, perdidos en el tiempo, han dado lugar a compuestos «resucitados» con nombres como mammuthusin-2 (del ADN de mamut lanudo), mylodonin-2 (del perezoso gigante) e hydrodamin-1 (del manatí antiguo). Esta «orgía molecular» ha permitido a De la Fuente acumular una biblioteca de más de un millón de «recetas genéticas», una mina de oro para el descubrimiento de nuevos agentes antimicrobianos.
Más Allá de la Serendipia: Transformando el Descubrimiento de Antibióticos
Históricamente, el descubrimiento de antibióticos ha sido un proceso caótico y ruidoso, impulsado en gran medida por la serendipia y plagado de incertidumbre y callejones sin salida. Durante décadas, los investigadores han dependido en gran medida de métodos mecánicos de fuerza bruta: «Los científicos excavan en el suelo, excavan en el agua», explica De la Fuente, «y luego de esa compleja materia orgánica intentan extraer moléculas antimicrobianas».
El problema radica en la asombrosa complejidad molecular. Se estima que el número de posibles combinaciones orgánicas que podrían sintetizarse ronda los 1060. Para ponerlo en perspectiva, la Tierra contiene aproximadamente 1018 granos de arena. La búsqueda de fármacos es, en esencia, un juego de estadísticas; se necesita un número suficiente de «disparos a puerta» para lograr un éxito. Y estos disparos deben ser precisos.
Aquí es donde la inteligencia artificial demuestra ser una herramienta invaluable para mejorar la puntería de los investigadores. De la Fuente lo explica de manera elocuente: «La biología es una fuente de información. Es como un montón de código». El código del ADN tiene cuatro «letras» (bases); las proteínas y los péptidos tienen 20, donde cada «letra» representa un aminoácido. El trabajo de su equipo consiste en entrenar modelos de IA para reconocer secuencias de letras que codifican péptidos antimicrobianos (AMPs). «Si lo piensas de esa manera», dice, «puedes diseñar algoritmos para extraer el código e identificar moléculas funcionales, que pueden ser antimicrobianos. O antipalúdicos. O agentes anticancerígenos». Esta visión holística del código biológico es el motor detrás de la capacidad de la IA para acelerar el descubrimiento.
La Promesa de los Péptidos Antimicrobianos (AMPs)
Aunque estos péptidos aún no se han transformado en medicamentos utilizables para las personas —faltan muchos detalles por resolver, como la dosificación, la administración y los objetivos específicos—, los AMPs son intrínsecamente atractivos. Esto se debe a que el cuerpo ya los utiliza; son una parte crítica del sistema inmunitario y, a menudo, la primera línea de defensa contra infecciones patógenas. A diferencia de los antibióticos convencionales, que suelen tener un único mecanismo de acción para eliminar bacterias, los AMPs a menudo exhiben un enfoque multimodal. Pueden alterar la pared celular, el material genético interno y una variedad de procesos celulares simultáneamente.
Esta estrategia de ataque múltiple es crucial. Mientras que un patógeno bacteriano puede desarrollar resistencia a un único modo de acción de un fármaco convencional, es mucho más difícil para él evolucionar resistencia a un ataque AMP de múltiples frentes. Esta característica les confiere una ventaja significativa en la batalla contra la evolución de la resistencia, ofreciendo una esperanza real para el desarrollo de nuevas terapias.
Del Laboratorio a la Clínica: El Camino Hacia Soluciones Reales
El grupo de De la Fuente es solo uno de los muchos que están expandiendo los límites del uso de la IA en la búsqueda de antibióticos. Mientras él se centra principalmente en los péptidos, otros, como James Collins del MIT, trabajan en el descubrimiento de moléculas pequeñas. Jonathan Stokes de la Universidad McMaster en Canadá, quien colaboró con Collins en el descubrimiento de halicina (un prometedor antibiótico de amplio espectro identificado por IA), también utiliza modelos generativos para diseñar nuevas moléculas y predecir su sintetizabilidad. «Solo han pasado unos pocos años desde que la gente ha estado utilizando la IA de manera significativa en el descubrimiento de fármacos», señala Collins.
En este corto periodo, las herramientas han evolucionado drásticamente. Los investigadores han pasado de modelos predictivos, que criban grandes bibliotecas de candidatos conocidos, a enfoques generativos, que ofrecen el atractivo de diseñar una molécula completamente nueva desde cero. El año pasado, por ejemplo, el equipo de De la Fuente utilizó un modelo de IA generativa para diseñar un conjunto de péptidos sintéticos y otro para evaluarlos. Probaron dos de los compuestos resultantes en ratones infectados con una cepa resistente a los medicamentos de Acinetobacter baumannii, un germen que la Organización Mundial de la Salud ha identificado como una «prioridad crítica» en la investigación sobre la resistencia antimicrobiana. Ambos trataron la infección con éxito y seguridad.
Aunque el campo todavía se encuentra en la fase de descubrimiento, el objetivo de De la Fuente es acercar estos candidatos a las pruebas clínicas. Con este fin, su equipo está desarrollando un ambicioso modelo multimodal llamado ApexOracle. Este modelo está diseñado para analizar un nuevo patógeno, identificar sus debilidades genéticas, emparejarlo con péptidos antimicrobianos que podrían funcionar contra él y luego predecir cómo se comportaría un antibiótico construido a partir de esos péptidos en pruebas de laboratorio. «Converge el entendimiento en química, genómica y lenguaje», afirma. Aunque es preliminar, incluso si no funciona a la perfección, ayudará a guiar a la próxima generación de modelos de IA hacia el objetivo final de resistir la resistencia.
Conclusión: La visión y la audacia de científicos como César de la Fuente, potenciadas por la inteligencia artificial, nos ofrecen una ventana a un futuro donde la tecnología y la IA se unen para resolver uno de los problemas más apremiantes de la salud global. La IA no solo ha salvado décadas de tiempo de investigación humana, sino que ahora tiene el potencial de salvar millones de vidas. Esta es la fascinante realidad en la que vivimos, donde la innovación digital nos da una oportunidad real de revertir la marea contra la resistencia antimicrobiana y asegurar un futuro más saludable para todos.
Fuente original: The scientist using AI to hunt for antibiotics just about everywhere