Con tan solo 36 años, César de la Fuente Núñez (A Coruña, 1986) fue distinguido por el MIT (Instituto Tecnológico de Massachusetts) como uno de los diez científicos del mundo más innovadores en el ámbito de las ciencias de la vida. La American Chemical … Society (ACS) lo reconoció, además, como el mejor investigador joven de Estados Unidos. ¿Por qué este biotecnólogo gallego formado en la Universidad de León (UDL) ha alcanzado semejantes honores en la recta inicial de su carrera? La respuesta es sencilla: ha sido el primero en pensar que la inteligencia artificial puede ser una herramienta útil para combatir una de las grandes amenazas de la medicina contemporánea: la resistencia a los antibióticos.
En un escenario en el que cada vez más bacterias logran sobrevivir a los fármacos diseñados para eliminarlas, la comunidad científica se ve urgida a descubrir nuevos tratamientos a una velocidad que los métodos tradicionales apenas pueden seguir. En ese contexto, De la Fuente, que becado por la Fundación La Caixa cursó su doctorado en Microbiología e Inmunología en la University of British Columbia en 2011, y el equipo que lidera actualmente en la Universidad de Pensilvania (EE. UU.) desarrollaron ‘ApexGO’, una IA generativa capaz de diseñar y optimizar antibióticos en cuestión de horas.
El objetivo de esta tecnología es, según explica el científico a ABC, generar candidatos a antibióticos más potentes en menos tiempo, abriendo así una posible vía alternativa para enfrentar infecciones resistentes a los tratamientos actuales. En su investigación más reciente, publicada el viernes 19 de junio en la revista ‘Nature Microbiology’, su equipo ha demostrado, por primera vez, que proteínas habitualmente asociadas a enfermedades neurodegenerativas pueden contener fragmentos moleculares con capacidad para combatir bacterias.
-¿De pequeño ya quería ser investigador?
-Mi padre me transmitió muchas enseñanzas, pero una de las que me marcó más profundamente fue mostrarme la emoción de descifrar y entender algo por primera vez. Esa experiencia fue la que me llevó a tomar la decisión de ser científico. De niño, recuerdo diseccionar peces que encontraba en la playa, llevar a casa insectos y otros ‘materiales de estudio’, y observar la capacidad de regeneración de las lagartijas. Esos experimentos no se reducían al ámbito de la biología; también me adentré en el de la física, intentando calcular cuántos globos de helio harían falta para elevar mi peso y el de mis hermanos. Siempre he sentido una curiosidad innata por comprender el entorno que me rodea y creo que sí, que quise ser investigador desde una edad temprana.
-¿Qué fue lo que le llevó a dirigir su carrera profesional hacia la biotecnología?
-Me di cuenta muy pronto de que la biología es compleja, desafiante y fascinante, precisamente, porque no puede entenderse como una disciplina aislada. Para comprenderla hay que conectar ideas de la química, la física, la ingeniería, la informática y muchas otras áreas. Me atrajo ese caos aparente. Me interesaba encontrar formas de entenderlo, diseñarlo y trabajar con él. Cuando llegó el momento de elegir una carrera, acababan de inaugurar la Licenciatura de Biotecnología en la Universidad de León, y supe enseguida que eso era lo que quería hacer. La biotecnología me ofrecía precisamente esa posibilidad: conectar disciplinas para entender y transformar la biología.
¿Puede una máquina crear un antibiótico?
– ¿Cuándo pensó en que la IA podría ser un instrumento eficaz para combatir la resistencia a los antibióticos?
-En 2015, después de obtener mi grado de doctor, me reclutaron en el Instituto Tecnológico de Massachusetts (MIT por sus siglas en inglés), la meca de la investigación en inteligencia artificial en aquel momento. Aunque la IA ya se aplicaba con éxito en otras áreas, casi nadie pensaba que pudiera utilizarse de verdad en un campo como el de la biología porque era demasiado compleja e impredecible. Allí, tuve una intuición que me llevó a plantearme una pregunta que ha marcado mi carrera investigadora: ¿Puede una máquina crear un antibiótico? Esa pregunta ha guiado mi trabajo desde entonces, y la seguimos explorando desde el laboratorio que dirijo en la Universidad de Pensilvania.
«La inteligencia artificial puede comprimir el tiempo necesario para llegar a candidatos preclínicos —de años a horas—, liberando una cantidad enorme de tiempo humano para lo más importante: transformar conocimiento en terapias»
-Sólidas investigaciones lideradas por usted y su equipo han demostrado que usando la IA como aliada se pueden crear candidatos a antibióticos más potentes y hacerlo, además, con una mayor rapidez, ¿podría explicar cuánto tiempo ganamos con esta nueva tecnología y qué impacto puede tener eso en la salud mundial?
-En mi laboratorio trabajamos con una idea central: que la IA puede ayudarnos a acelerar descubrimientos en la intersección entre biología y medicina. Hemos ampliado mucho el ‘mapa de búsqueda’: desde moléculas del propio cuerpo humano hasta moléculas extintas para identificar candidatos terapéuticos. Además, impulsamos enfoques generativos: modelos que no solo encuentran moléculas, sino que proponen moléculas que jamás han existido en la naturaleza, que podemos crear de cero usando máquinas. En los últimos diez años, este enfoque nos ha permitido avanzar en un área emergente impulsada por una urgencia global: la resistencia a los antibióticos, una amenaza creciente porque, mientras las bacterias evolucionan sin descanso, la innovación terapéutica no avanza al ritmo que necesitamos. La IA no sustituye a los experimentos, sino que cambia la economía del descubrimiento. Puede comprimir el tiempo necesario para llegar a candidatos preclínicos —de años a horas—, liberando una cantidad enorme de tiempo humano para lo más importante: transformar conocimiento en terapias que salven vidas en un futuro.
-El equipo que lidera en la Universidad de Pensilvania diseñó ‘ApexGO’ la herramienta de la que se ha servido para demostrar la utilidad de la IA para avanzar en la lucha contra la resistencia antimicrobiana. Sus investigaciones refrendan la efectividad de la estrategia: el 85% de las moléculas diseñadas por ‘ApexGO’ logró frenar el crecimiento de bacterias patógenas, y el 72% superó en eficacia a los péptidos originales de los que partió el sistema. ¿Cuál es el objetivo ahora?
-Hay una diferencia importante entre identificar candidatos prometedores y llevar una molécula hasta estudios regulatorios y ensayos clínicos en humanos. Nuestro trabajo se centra en encontrar nuevas moléculas y nuevas familias químicas que antes no sabíamos que existían. Ese es el primer paso. El siguiente paso es seleccionar los mejores candidatos, optimizarlos y avanzar con socios académicos, biotecnológicos o farmacéuticos hacia el desarrollo preclínico. En otras palabras, el problema no es solo encontrar moléculas activas; es convertirlas en medicamentos seguros, eficaces y desarrollables. Ahí es hacia donde avanzamos y donde se necesita colaboración con socios traslacionales e industriales.
Entre un 70% y un 90% han mostrado eficacia
-¿Cuántos posibles candidatos a antibióticos se han identificado desde que arrancó su investigación y cuántos han demostrado ser eficaces?
-Depende de cómo definamos ‘candidato’. Si hablamos de candidatos identificados computacionalmente, en nuestros estudios hemos explorado millones de secuencias y priorizado más de un millón de posibles moléculas antimicrobianas. Si incluimos los enfoques generativos, el espacio explorado alcanza decenas de millones de moléculas. Después viene la parte más importante: llevar esas predicciones al laboratorio. En nuestros estudios publicados hemos sintetizado y evaluado experimentalmente varios cientos de candidatos. Una proporción alta ha mostrado actividad antibacteriana in vitro, con tasas de éxito que en algunos estudios han estado entre el 70% y más del 90%, dependiendo del sistema y del tipo de molécula. Además, algunos candidatos han mostrado eficacia en modelos animales de infección. Dicho esto, no son aún antibióticos listos para uso clínico. Lo que hemos demostrado es que la inteligencia artificial puede identificar y diseñar moléculas con actividad antibacteriana de forma mucho más rápida y sistemática, y que algunas de ellas pueden avanzar a estudios preclínicos más profundos.
El biotecnólogo César de la Fuente.
(JOHN KAUFMAN)
-El pasado viernes se publicó una nueva investigación liderada por usted que va un paso más allá de lo demostrado hasta ahora. ¿Cuáles son las principales conclusiones?
-En este estudio, gracias a la inteligencia artificial, hemos descubierto que los priones y proteínas similares a priones (un grupo de proteínas conocidas sobre todo por su asociación con enfermedades neurodegenerativas mortales) pueden contener péptidos antimicrobianos ocultos, a los que hemos llamado prionins o prioninas. Esto aporta una nueva perspectiva, ya que proteínas que normalmente se ven a través del lente de la enfermedad también pueden contener fragmentos moleculares capaces de combatir bacterias. Los resultados han sido sorprendentes porque los priones suelen asociarse con el mal plegamiento de proteínas, la agregación y la neurodegeneración. Por eso, no son el primer lugar en el que se buscarían candidatos a antibióticos. Al explorarlos de forma sistemática con IA, hemos encontrado más de mil candidatos y muchos funcionaron experimentalmente. Estos descubrimientos se encuentran en una fase temprana; no son tratamientos listos para uso clínico.
