En la búsqueda de soluciones a desafíos globales complejos, incluidas las enfermedades, la demanda de energía y el cambio climático, los investigadores científicos, incluso en el MIT, han recurrido a la inteligencia artificial y al análisis y modelado cuantitativos para diseñar y construir células diseñadas con propiedades novedosas. Las células diseñadas pueden programarse para convertirse en nuevas terapias, combatiendo y tal vez erradicando enfermedades.
James J. Collins es uno de los fundadores del campo de la biología sintética y también es un investigador líder en biología de sistemas, el enfoque interdisciplinario que utiliza análisis matemático y modelado de sistemas complejos para comprender mejor los sistemas biológicos. Su investigación ha llevado al desarrollo de nuevas clases de diagnóstico y terapéutica, incluida la detección y el tratamiento de patógenos como el Ébola, el Zika, el SARS-CoV-2 y las bacterias resistentes a los antibióticos. Collins, profesor Termeer de Ingeniería y Ciencias Médicas y profesor de ingeniería biológica en el MIT, es miembro principal del cuerpo docente del Instituto de Ingeniería y Ciencias Médicas (IMES), director de la Clínica Abdul Latif Jameel del MIT para el Aprendizaje Automático en Salud, así como miembro del Instituto Broad del MIT y Harvard, y profesorado fundador principal del Instituto Wyss de Ingeniería Biológicamente Inspirada, Harvard.
En esta sesión de preguntas y respuestas, Collins habla sobre su último trabajo y los objetivos de esta investigación.
P. Es usted conocido por colaborar con colegas del MIT y de otras instituciones. ¿Cómo le han ayudado estas colaboraciones y afiliaciones con su investigación?
R: La colaboración ha sido fundamental para el trabajo en mi laboratorio. En la Clínica Jameel del MIT para el Aprendizaje Automático en Salud, formé una colaboración con Regina Barzilay [the Delta Electronics Professor in the MIT Department of Electrical Engineering and Computer Science and affiliate faculty member at IMES] y Tommi Jaakkola [the Thomas Siebel Professor of Electrical Engineering and Computer Science and the Institute for Data, Systems, and Society] utilizar el aprendizaje profundo para descubrir nuevos antibióticos. Este esfuerzo combinó nuestra experiencia en inteligencia artificial, biología de redes y microbiología de sistemas, lo que condujo al descubrimiento de la halicina, un nuevo antibiótico potente y eficaz contra una amplia gama de patógenos bacterianos resistentes a múltiples fármacos. Nuestros resultados se publicaron en Cell en 2020 y mostraron el poder de reunir conjuntos de habilidades complementarias para abordar un desafío de salud global.
En el Instituto Wyss, trabajé estrechamente con Donald Ingber. [the Judah Folkman Professor of Vascular Biology at Harvard Medical School and the Vascular Biology Program at Boston Children’s Hospital, and Hansjörg Wyss Professor of Biologically Inspired Engineering at Harvard]aprovechando su tecnología de órganos en chips para probar la eficacia de los antibióticos descubiertos y generados por IA. Estas plataformas nos permiten estudiar cómo se comportan los fármacos en entornos similares a los tejidos humanos, complementando los experimentos tradicionales con animales y proporcionando una visión más matizada de su potencial terapéutico.
El hilo conductor de nuestras numerosas colaboraciones es la capacidad de combinar predicciones computacionales con plataformas experimentales de vanguardia, acelerando el camino desde ideas hasta nuevas terapias validadas.
P. Su investigación ha dado lugar a muchos avances en el diseño de nuevos antibióticos, utilizando IA generativa y aprendizaje profundo. ¿Puede hablarnos sobre algunos de los avances en los que ha participado en el desarrollo de medicamentos que pueden combatir patógenos resistentes a múltiples medicamentos y lo que ve en el horizonte en cuanto a avances en este campo?
R: En 2025, nuestro laboratorio publicó un estudio en Cell que demuestra cómo se puede utilizar la IA generativa para diseñar antibióticos completamente nuevos desde cero. Utilizamos algoritmos genéticos y codificadores automáticos variacionales para generar millones de moléculas candidatas, explorando tanto diseños basados en fragmentos como un espacio químico completamente ilimitado. Después del filtrado computacional, el modelado retrosintético y la revisión de la química medicinal, sintetizamos 24 compuestos y los probamos experimentalmente. Siete mostraron actividad antibacteriana selectiva. Una de las pistas, NG1, tenía un espectro muy estrecho y erradicaba Neisseria gonorrhoeae resistente a múltiples fármacos, incluidas cepas resistentes a terapias de primera línea, al tiempo que preservaba las especies comensales. Otro, DN1, se dirigió al Staphylococcus aureus resistente a la meticilina (MRSA) y eliminó las infecciones en ratones mediante una amplia alteración de la membrana. Ambos no eran tóxicos y mostraron bajas tasas de resistencia.
De cara al futuro, estamos utilizando el aprendizaje profundo para diseñar antibióticos con propiedades similares a las de los fármacos que los conviertan en candidatos más sólidos para el desarrollo clínico. Al integrar la IA con pruebas biológicas de alto rendimiento, nuestro objetivo es acelerar el descubrimiento y el diseño de antibióticos que sean novedosos, seguros y eficaces, listos para su uso terapéutico en el mundo real. Este enfoque podría transformar la forma en que respondemos a los patógenos bacterianos resistentes a los medicamentos, pasando de una estrategia reactiva a una proactiva en el desarrollo de antibióticos.
P. Usted es cofundador de Phare Bio, una organización sin fines de lucro que utiliza IA para descubrir nuevos antibióticos, y Collins Lab ha ayudado a lanzar el Proyecto Antibióticos-AI en colaboración con Phare Bio. ¿Puede contarnos más sobre lo que espera lograr con estas colaboraciones y cómo se relacionan con sus objetivos de investigación?
R: Fundamos Phare Bio como una organización sin fines de lucro para tomar los antibióticos candidatos más prometedores que surgieron del Proyecto Antibióticos-IA del MIT y llevarlos a la clínica. La idea es cerrar la brecha entre el descubrimiento y el desarrollo colaborando con empresas de biotecnología, socios farmacéuticos, empresas de inteligencia artificial, organizaciones filantrópicas, otras organizaciones sin fines de lucro e incluso estados nacionales. Akhila Kosaraju ha estado haciendo un trabajo brillante al frente de Phare Bio, coordinando estos esfuerzos y haciendo avanzar a los candidatos de manera eficiente.
Recientemente, recibimos una subvención de ARPA-H para utilizar IA generativa para diseñar 15 nuevos antibióticos y desarrollarlos como candidatos preclínicos. Este proyecto se basa directamente en la investigación de nuestro laboratorio, combinando el diseño computacional con pruebas experimentales para crear antibióticos novedosos que estén listos para un mayor desarrollo. Al integrar la IA generativa, la biología y las asociaciones traslacionales, esperamos crear un canal que pueda responder más rápidamente a la amenaza global de la resistencia a los antibióticos y, en última instancia, brindar nuevas terapias a los pacientes que más las necesitan.