Un modelo de la Universidad de Pensilvania identificó cinco compuestos contra el enterovirus EV-71 a partir de apenas 36 moléculas y podría reducir costos de desarrollo.
Científicos de la Universidad de Pensilvania desarrollaron un proceso basado en inteligencia artificial capaz de identificar compuestos antivirales a partir de datos limitados, lo que podría reducir a una décima parte los 10 a 15 años y los más de mil millones de euros que suele costar crear un nuevo antiviral, según informó el diario El País en mayo de 2025.
El equipo probó el sistema con el enterovirus EV-71, que causa el síndrome mano-pie-boca y para el que no existe tratamiento. Esta enfermedad se caracteriza por fiebre, llagas y sarpullidos, aunque puede provocar complicaciones neurológicas graves.
Cómo funciona el modelo de inteligencia artificial
El estudio, publicado en la revista Cell Reports Physical Science, entrenó modelos de aprendizaje automático con solo 36 compuestos. De ellos, los investigadores preseleccionaron ocho y predijeron con precisión cinco agentes antivirales, que después se confirmaron en laboratorio.
«Nuestro método, impulsado por IA, muestra que, incluso con datos limitados, el aprendizaje automático puede identificar eficazmente los compuestos antivíricos», explicó Angela Cesaro, coautora del trabajo. La investigación surgió del laboratorio del científico español César de la Fuente, con la colaboración de la Universidad de Cornell.
Por su parte, De la Fuente destacó la combinación de tecnología y experimentación. «Al unir las simulaciones moleculares, el aprendizaje automático y la validación de laboratorio dirigida, estamos acortando los plazos de descubrimiento», afirmó.
Además, Haoyuan Shi, de Cornell, señaló que las simulaciones revelaron cómo interactúan los compuestos con la cápside del virus, es decir, la envoltura proteica que protege su material genético y resulta clave para la infección.
Un código abierto para otras infecciones
La propuesta nació hace cuatro años por iniciativa de la farmacéutica Procter & Gamble, que aportó las bases moleculares. Uno de los aspectos más novedosos es justamente la escasez de datos, pues estos sistemas suelen depender de grandes y costosos conjuntos de información.
Asimismo, el modelo se desarrolló con código abierto y público, por lo que cualquier investigador puede usarlo para probarlo con otros patógenos. «El modelo puede servir como base inicial para entrenarlo con otro tipo de datos, para ajustarlo a la singularidad de otras infecciones», explicó De la Fuente.
Del mismo laboratorio, la revista Cell Biomaterials publicó un estudio sobre péptidos sintéticos que perforan las membranas de bacterias resistentes y, al mismo tiempo, activan defensas inmunitarias. «Las superbacterias están superando a nuestros mejores fármacos», advirtió el investigador.
Deja una respuesta