El antibiótico oculto en el hielo
En enero de 2023, la glacióloga Marta López tomó una muestra de agua de una laguna hiper salina bajo el glaciar Taylor, en la Antártida. Lo que parecía un simple tubo de agua fría escondía un universo microscópico: bacterias que han vivido aisladas durante miles de años, adaptándose a la presión, la oscuridad y la falta de nutrientes. Gracias a un modelo de IA entrenado para reconocer clústeres de genes biosintéticos, esos organismos revelaron una molécula capaz de detener el crecimiento de Staphylococcus aureus resistente a la meticilina (MRSA).
¿Por qué los microorganismos extremos son una mina de oro farmacéutica?
- Isolación evolutiva: siglos sin contacto con otros seres vivos favorecen la producción de compuestos únicos.
- Estrés ambiental: la presión, el frío, la salinidad o la acidez inducen rutas metabólicas poco exploradas.
- Baja cultivabilidad: más del 99 % de estos microbes no crecen en placa de Petri, lo que los hace invisibles a los métodos tradicionales.
La IA supera esa barrera al trabajar directamente con el ADN extraído del ambiente (metagenoma) y predecir qué genes podrían codificar antibióticos, enzimas o compuestos antiinflamatorios.
El flujo de trabajo: de la muestra a la molécula
- Secuenciación masiva: se extrae ADN ambiental y se secuencian millones de fragmentos.
- Ensamblaje de metagenomas: herramientas como MEGAHIT reconstruyen genomas parciales de organismos desconocidos.
- Modelo de deep learning: una red neuronal convolucional (CNN) entrenada con miles de clústeres de genes conocidos (NRPS, PKS, ribosomales) escanea los genomas en busca de patrones característicos de síntesis de antibióticos.
- Puntuación y priorización: cada clúster recibe una score basada en similitud estructural y novedad evolutiva.
- Síntesis heteróloga: los genes candidatos se insertan en una cepa de Streptomyces coelicolor fácil de cultivar en laboratorio.
- Prueba bioactivity: el extracto se prueba contra paneles de patógenos resistentes.
En el caso de la laguna Taylor, el modelo destacó un clúster de tipo NRPS-PKS híbrido con una puntuación de 0.92 (sobre 1). Tras expresarlo, se obtuvo una péptido-poli cetido de 12 aminoácidos que mostró una MIC (concentración mínima inhibitoria) de 0,5 µg/mL contra MRSA, superando a la vancomicina en algunas cepas.
Impacto y próximos pasos
- Repositorio global: el equipo está creando una base de abierto de clústeres predichos por IA, accesible a laboratorios de todo el mundo.
- Síntesis acelerada: se están usando células libres (cell‑free systems) para producir los compuestos en días, no semanas.
- Expansión a otros extremos: se están analizando metagenomas de fuentes termales del Átacama y de fumarolas hidrotermales del Pacífico.
La combinación de IA y microbiología de extremos no solo promete nuevos antibióticos, sino que está redefiniendo cómo buscamos fármacos: dejando de cultivar lo que creemos que podemos cultivar y dejando que la máquina nos señale lo que realmente está allí, esperando ser descubierto.
¿Te imagina que la próxima cura para una superbacteria esté escondida en un lago bajo varios kilómetros de hielo?