Combinado experimentos con ratones en el laboratorio y modelos de aprendizaje automático, investigadores de la Universidad Politécnica de Madrid y otros centros internacionales han analizado los efectores proteicos que permiten a las bacterias patógenas esquivar el sistema inmune y cómo este responde.
Muchas bacterias causantes de enfermedades utilizan una ‘jeringuilla’ molecular para inyectar multitud de sus proteínas, llamadas efectores, en las células intestinales, bloqueando así respuestas inmunitarias clave.
Ahora, un equipo internacional de científicos de Reino Unido, Israel y España, desde donde participa la Universidad Politécnica de Madrid (UPM), han aunado fuerzas para analizar todas estas moléculas proteicas de forma conjunta, combinando experimentos de laboratorio y herramientas de inteligencia artificial (IA).
Los autores, que publican su estudio en la revista Science, han utilizado 100 variantes de la bacteria Citrobacter rodentium de ratón para modelar la función de los efectores de todas in vivo. De esta forman han descubierto que estos trabajan juntos como una red, lo que permite al microbio una gran flexibilidad para esquivar el sistema inmune y mantener su patogenicidad.
La plataforma de inteligencia artificial predijo correctamente los resultados de colonización de redes alternativas a partir de los datos in vivo. Los investigadores de la UPM, el catedrático de IA Alfonso Rodríguez-Patón y la estudiante de doctorado Elena Núñez Berrueco utilizaron los datos recopilados en el laboratorio para construir el modelo de aprendizaje automático.
El número de combinaciones posibles de efectores supera los mil millones, por lo que estudiar todas las variantes supondría más de mil años de investigación experimental. Ahí es donde entra en juego la IA para cambiar las reglas y permitir descifrar este complejo mecanismo. El algoritmo desarrollado en la UPM es capaz de predecir la capacidad infectiva de cualquier variante tras aprender los patrones de los 100 experimentos de laboratorio.
“Al estudiar un sistema biológico tan complejo, la IA es capaz de ver lo que no es evidente ante nuestros ojos –explica Núñez–. Las predicciones nos ayudan a identificar las combinaciones de efectores más relevantes y así ahorrar tiempo y recursos. Podemos usar este modelo para predecir si una nueva cepa, con una combinación de efectores diferente a las estudiadas, puede manipular a nuestras células y la forma en que lo hace” .
El algoritmo está inspirado en las redes de neuronas artificiales, pero incorpora conocimientos sobre las dianas objetivo de los efectores. La arquitectura de esta red tiene una particularidad: en lugar de ser genérica, posee la misma forma que la red de interacciones biológicas de los efectores con los componentes de nuestras células. Esto ha permitido entrenar la red con un número muy reducido de casos, dando lugar, además, a un modelo con resultados interpretables (la llamada IA explicable).
Con la ayuda del modelo, los científicos han podido dirigir los siguientes experimentos hacia las variantes más interesantes. Así, han podido descubrir pequeños grupos de estas moléculas que son esenciales. Esto significa que, cuando se eliminan o bloquean, las bacterias no infectan, suponiendo una prometedora diana para futuros tratamientos que ayuden a vencer a estos hábiles invasores.
De hecho, los autores también observaron que el ratón huésped es capaz de adaptarse, siendo capaz de sortear los obstáculos erigidos por las diferentes redes de efectores y activar respuestas inmunitarias complementarias que eliminaron el patógeno e indujeron una inmunidad protectora.
Rodríguez-Patón concluye: "La inteligencia artificial se muestra una vez más como una tecnología disruptiva, en este caso en el campo de la microbiología. Esta investigación interdisciplinar nos ha exigido desarrollar novedosas técnicas de IA para desentrañar la compleja red de señales moleculares que las bacterias emplean para infectarnos. Los resultados obtenidos son muy satisfactorios, por lo que continuaremos colaborando con el grupo de Gad Frankel –uno de los autores principales– en el Imperial College de Londres en futuras investigaciones".
Referencia:
David Ruano-Gallego, Gad Frankel et al. “Deconstructing a type III secretion system effector network unravels the inherent robustness and plasticity in pathogenesis and immunity”. Science, 2021.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
Investigadores de la Universidad de León han aplicado redes neuronales artificiales a imágenes captadas con drones para reconocer, con un 95 % de acierto, la huella que dejaron las explotaciones auríferas de los romanos en el noroeste peninsular. El sistema se puede aplicar para reducir los riesgos asociados a las minas abandonadas, que causan pérdidas humanas y económicas en todo el mundo.
