La inteligencia artificial ha revolucionado numerosos campos, pero su eficacia en biología ha sido limitada por la escasez de conjuntos de datos de alta calidad. Este desafío ha sido abordado por un equipo de investigadores de la Universidad de Oregón, liderado por el profesor asistente Calin Plesa, quien ha desarrollado una innovadora tecnología denominada DropSynth. Esta herramienta permite la creación de bibliotecas genéticas masivas, lo que podría acelerar la investigación en áreas críticas como el cáncer y la resistencia a los antibióticos.
Innovación en la producción genética
DropSynth ha transformado el proceso de generación de genes al permitir la manufactura simultánea de miles de variantes en un único experimento. Esta tecnología consiste en encapsular la maquinaria molecular necesaria para construir un gen dentro de microgotas de aceite, creando pequeñas fábricas biológicas que producen genes de manera eficiente. Como resultado, se pueden generar grandes librerías de genes de forma rápida y económica, facilitando el estudio de su funcionamiento en diversas especies.
En un estudio reciente publicado en Science Advances, el equipo de Plesa se centró en un problema de gran relevancia: la resistencia a los antibióticos, un fenómeno que causa millones de muertes anualmente. Utilizando DropSynth, los investigadores generaron más de 1,500 variantes del gen DHFR (dihidrofolato reductasa), un objetivo común de tratamientos antibióticos, y las introdujeron en Escherichia coli, lo que les permitió examinar cómo la resistencia se desarrolla y se propaga en diferentes entornos bacterianos.
Los resultados fueron sorprendentes. Muchas variantes de DHFR de especies bacterianas distantes funcionaron efectivamente en el sistema de E. coli, desafiando las nociones previas de la adaptabilidad evolutiva de este gen. La investigación no solo ha permitido identificar qué variantes son más susceptibles a los antibióticos, sino que también ha mapeado patrones de resistencia que podrían guiar el desarrollo de nuevos tratamientos más eficaces.
Este enfoque no se limita a la resistencia a los antibióticos. La metodología de DropSynth tiene el potencial de ser aplicada en estudios sobre genes asociados al cáncer, evolución viral y diseño de nuevas enzimas y proteínas. La capacidad de generar conjuntos de datos masivos puede ser crucial para entrenar modelos de inteligencia artificial que aborden problemas complejos en biología y medicina.
La iniciativa de Plesa va más allá de la investigación académica; también ha dado lugar a la creación de SynPlexity, una startup que busca comercializar DropSynth y hacer accesibles estos valiosos datos a la comunidad científica. La combinación de biología sintética y aprendizaje automático promete abrir nuevas fronteras en la lucha contra desafíos de salud global, como la resistencia antimicrobiana.
