MICROBIOLOGÍA

El aprendizaje automático puede predicir la propagación de la resistencia a los antibióticos

Science · 29 octubre 2021

Las bacterias tienen la capacidad de pasarse genes entre sí o de recogerlos de su entorno mediante un proceso llamado transferencia horizontal de genes, que es uno de los principales responsables de la propagación de la resistencia a los antibióticos.

Investigadores de la Universidad Cornell (Estados Unidos) han utilizado la inteligencia artificial, en concreto el aprendizaje automático, para clasificar los organismos según sus funciones y utilizar esta información para predecir con gran precisión cómo se transfieren los genes entre ellos, un enfoque que podría utilizarse para detener la propagación de la resistencia a los antibióticos. Su trabajo se ha publicado en Science Advances con Hao Zhou como autor principal.

"Los organismos básicamente pueden adquirir genes de resistencia de otros organismos. Así que sería útil saber con qué organismos se intercambian las bacterias, y no solo eso, sino que pudiéramos averiguar cuáles son los factores impulsores que implican a los organismos en esta transferencia -explica Ilana Brito, también autora del artículo-. Si podemos averiguar quién intercambia genes con quién, tal vez podamos entender cómo ocurre esto y posiblemente incluso controlar estos procesos".

Muchos rasgos novedosos se comparten a través de la transferencia de genes, pero los científicos no han podido determinar por qué algunas bacterias participan en la transferencia de genes y otras no.

En lugar de probar hipótesis individuales, el equipo de Brito se fijó en los genomas de las bacterias y en sus diversas funciones -que pueden ir desde la replicación del ADN hasta el metabolismo de los carbohidratos- para identificar firmas que indicaran "quién" estaba intercambiando genes y qué impulsaba estas redes de intercambio.

El equipo utilizó varios modelos de aprendizaje automático, cada uno de los cuales extrajo diferentes fenómenos de los datos. Esto les permitió identificar múltiples redes de diferentes genes de resistencia a los antibióticos y entre cepas del mismo organismo.

Para el estudio, se centraron en los organismos asociados al suelo, las plantas y los océanos, pero su modelo también es adecuado para examinar organismos y patógenos asociados a los humanos, como Acinetobacter baumannii y Escherichia coli, y dentro de entornos localizados, como el microbioma intestinal de un individuo.

Descubrieron que los modelos de aprendizaje automático eran especialmente eficaces cuando se aplicaban a los genes de resistencia a los antibióticos. "Creo que una de las principales conclusiones es que la red de intercambio de genes bacterianos, específicamente para la resistencia a los antibióticos, es predecible -apunta Brito-. Podemos entenderla mirando los datos y podemos hacerlo mejor si realmente miramos el genoma de cada organismo. No es un proceso aleatorio".

Uno de los hallazgos más sorprendentes fue que la modelización predijo muchas posibles transferencias de resistencia a los antibióticos entre las bacterias asociadas al ser humano y los patógenos que aún no se han observado. Estas probables transferencias, aún no detectadas, eran casi exclusivas de las bacterias asociadas al ser humano en el microbioma intestinal o el microbioma oral.

"Uno puede imaginar que si podemos predecir cómo se propagan estos genes, podríamos ser capaces de intervenir o elegir un antibiótico específico, dependiendo de lo que veamos en el intestino de un paciente -añade Brito-. En términos más generales, podríamos ver dónde se predice que ciertos tipos de organismos se transfieren con otros en un determinado entorno. Y creemos que puede haber nuevos objetivos antibióticos en los datos. Por ejemplo, genes que podrían paralizar a estos organismos, potencialmente, en términos de su capacidad para persistir en ciertos ambientes o adquirir estos genes".

Referencia: Sci Adv. 2021;7(43):eabj5056. doi:10.1126/sciadv.abj5056