Diseñan en el Cicese péptido antibacteriano 

Luis Miguel Ramírez/EL VIGÍA
lramirez@elvigia.net | Ensenada, B. C.

El primer diseño computacional de un péptido antibacteriano fue desarrollado en el Laboratorio de Biología Computacional del Cicese, lo que representa un avance en la sintetización de procesos y producción de fármacos. 
La institución expuso que la rápida evolución de las enfermedades, la aparición de nuevas pandemias y el aumento de la resistencia a los antibióticos, subrayaron la necesidad urgente de diseñar terapias eficaces en menor tiempo.
A pesar de que los productos naturales son una fuente valiosa de nuevos fármacos, su desarrollo y optimización mediante síntesis química suelen requerir largos procesos experimentales.
Los enfoques computacionales permiten la generación de metodologías, técnicas y herramientas que facilitan y aceleran el modelado y diseño molecular, con tecnología de inteligencia artificial para encontrar nuevos fármacos.
 
Puede copiar un péptido antibacteriano
Con dicha finalidad, en el Cicese se creó un paradigma de diseño denominado, máquina de copia de llaves (Key Cutting Machine –KCM), una plataforma basada en la optimización, o sea, enfocada en hallar la mejor solución posible a un problema.
También, aprovecha iterativamente la predicción de la estructura de la secuencia diseñada (la copia de llave), para que esta coincida con la geometría de la estructura que se quiere copiar (la llave).
“La llave es un péptido antibacteriano y la copia es otro péptido antibacteriano, pero con una secuencia de aminoácidos diferente al de la llave original”, explicó Carlos Alberto Brizuela Rodríguez, investigador del Departamento de Ciencias de la Computación.
A diferencia de los modelos generativos que requieren una gran cantidad de datos de entrenamiento y consecuentemente varios procesadores gráficos (GPUs), KCM requiere una sola unidad de GPU.
Lo más relevante es que permite la incorporación directa en el diseño de cualquier requisito definido por el usuario, mediante la función objetivo, evitándose altos costos de reentrenamiento y facilita una evaluación directa de las propiedades medibles.
Con el empleo de un algoritmo de estimación de distribución, KCM optimiza las secuencias con base en criterios geométricos, fisicoquímicos y energéticos, favoreciéndose un diseño preciso. Evalúa la calidad de cada candidato y la utiliza para guiar las mejoras posteriores.
En el caso del desarrollo en el Cicese, el diseño arrojó un candidato: un péptido, con potente actividad contra múltiples cepas bacterianas y eficacia en un modelo de infección causada por patógenos en ratones.

Publican resultado exitoso 
Para probarlo, se trabajó colaborativamente con un grupo de investigación de la Universidad de Pensilvania, donde el péptido antibacteriano fue probado in vitro y en pruebas preclínicas obteniéndose un éxito comparable a los antibióticos comerciales.
Este resultado fue publicado recientemente en la revista Nature Machine Intelligence bajo la firma de Yan C. Leyva, Marcelo D.T. Torres, Carlos A. Oliva, César de la Fuente Nuñez y Carlos A. Brizuela.
Tanto el primero como tercero y último de los autores, respectivamente, son egresados de la maestría, estudiante de doctorado, e investigador titular en el Departamento de Ciencias de Computación del Cicese.
Mediante el artículo científico se concluye que el KCM representa una herramienta robusta para el diseño de proteínas y péptidos de novo, ofreciéndose un paradigma flexible para replicar y extender las relaciones estructura–función de las plantillas existentes.