Los investigadores del MIT liderarán un esfuerzo de hasta 53 millones de dólares, otorgado por la Agencia de Proyectos de Investigación Avanzada para la Salud (ARPA-H) de EE. UU. como parte de su programa STREAM (Sistemas de seguimiento y resiliencia en la gestión eficiente de insumos agrícolas), para desarrollar herbicidas de próxima generación que ayuden a los agricultores y protejan la salud humana.
En Estados Unidos se utilizan cada año más de mil millones de libras de herbicidas. Los herbicidas ayudan a los agricultores a prevenir pérdidas significativas de cultivos debido a las malezas y permiten prácticas agrícolas regenerativas que protegen el suelo, pero algunas malezas se están volviendo resistentes a los herbicidas más comunes.
La exposición a herbicidas puede contribuir a un mayor riesgo de cáncer, trastornos metabólicos y endocrinos y otros resultados adversos para la salud. Los trabajadores agrícolas pueden estar expuestos al uso frecuente de herbicidas, pero muchos residentes de EE. UU. también están expuestos a estas sustancias químicas en pequeñas cantidades a través de los alimentos y el agua potable.
El equipo de investigación liderado por el MIT desarrollará nuevas herramientas de inteligencia artificial generativa para ayudarlos a descubrir alternativas a herbicidas que sean más efectivas y estén desarrolladas teniendo en cuenta la salud humana. Estas alternativas también podrían ayudar a reducir la dependencia estadounidense del fósforo importado, que es un ingrediente fundamental en un importante herbicida, el glifosato.
“Con herbicidas como el glifosato y la atrazina, hay una verdadera crisis debido a las mutaciones de resistencia que se avecinan”, dice Christopher Voigt, jefe del Departamento de Ingeniería Biológica del MIT. “Y si se combinan las mutaciones de resistencia con cuestiones relacionadas con la seguridad nacional de la cadena de suministro de los precursores de los herbicidas, podríamos encontrarnos sin estos agroquímicos centrales que son absolutamente esenciales para obtener los altos rendimientos de los cultivos y los precios económicos que ahora ve Estados Unidos”.
Voigt es el investigador principal del proyecto, conocido como Aprendizaje de precisión para el control de malezas en el objetivo (PLOW). También se espera que el equipo incluya investigadores del Broad Institute del MIT y Harvard, la Universidad de Carolina del Norte en Chapel Hill, la Universidad de Tennessee en Knoxville, la Universidad de Illinois en Urbana-Champaign y Robigo.
Los investigadores se agrupan en tres equipos que abordarán diferentes aspectos del proyecto, alineados con las Áreas Técnicas de STREAM. El grupo de IA generativa desarrollará modelos que puedan predecir moléculas, ya sean compuestos químicos o pequeños ARN de interferencia (ARNip), que alteran las mismas enzimas vegetales a las que se dirige el glifosato y otros herbicidas.
El glifosato mata las malas hierbas al interferir con una enzima llamada EPSP sintasa, que las plantas necesitan para producir varios aminoácidos críticos. Después de muchos años de uso de herbicidas, algunas malezas han comenzado a adquirir mutaciones genéticas que les permiten volverse resistentes a esos herbicidas, lo que las hace menos efectivas y representa una amenaza significativa para el rendimiento de los cultivos.
“Existe una necesidad real de nuevos herbicidas debido a las mutaciones de resistencia que han ido surgiendo”, dice Voigt. “También existen preocupaciones sobre los posibles impactos de los herbicidas en el medio ambiente y en los humanos, por lo que es importante identificar formas alternativas de producir herbicidas, que como clase general de moléculas son realmente críticas para la agricultura”.
El equipo liderado por el MIT planea diseñar modelos generativos de IA que podrán predecir moléculas que pueden ayudar a prevenir que surja resistencia. Los modelos también optimizarán otras características como el bajo costo de síntesis, el bajo riesgo de inducir resistencia y el bajo riesgo de dañar a los humanos o causar daños ecológicos.
El grupo que desarrolla estos modelos de IA está dirigido por Connor Coley, profesor asociado Warren K. Lewis de Ingeniería Química en el MIT; Regina Barzilay, profesora distinguida de IA y salud de la Escuela de Ingeniería del MIT; y Alexander Tropsha, profesor distinguido KH Lee en la Facultad de Farmacia Eshelman de la UNC.
Se espera que los modelos generen miles de millones de posibles candidatos, que luego serán probados por un segundo equipo de investigación. Este grupo de detección de alto rendimiento estará dirigido por Angela Koehler, profesora Charles W. y Jennifer C. Johnson de Ingeniería Biológica en el MIT, y Jaime Cheah, director asociado de divulgación científica y detección colaborativa en el Centro para el Desarrollo de Terapéuticas del Broad Institute.
“Esas bibliotecas se examinarán para identificar las moléculas que alcanzan su objetivo, pero también para luego proporcionar todos esos datos de detección al enfoque computacional para mejorarlo”, dice Voigt.
Una vez que se reduzcan los grupos de candidatos, los investigadores de un tercer equipo comenzarán estudios de invernadero para evaluar cómo se desempeña cada molécula en diferentes condiciones agrícolas. Ese equipo estará dirigido por Neal Stewart y Scott Lenaghan, codirectores del Centro de Biología Sintética Agrícola de UTK; Patrick Tranel, profesor Tom y Peggy Ainsworth de Ciencias de los Cultivos en la Universidad de Illinois; Tim Willson, profesor distinguido Harold Kohn de la Facultad de Farmacia Eshelman de la UNC; y Andee Wallace PhD ’20, directora ejecutiva y fundadora de Robigo.
Se espera que las primeras pruebas en invernadero de los candidatos iniciales de ARNi estén completas al final del primer año del programa.
Como parte de este proyecto, el equipo de investigación también desarrollará sistemas microbianos vivos que degraden los agroquímicos antes de que lleguen a los alimentos, el suelo o las vías fluviales. Las bacterias, los hongos y el ARNsr diseñados convertirán los productos químicos y los ingredientes de las formulaciones en biomasa, proporcionando una estrategia escalable para reducir la exposición ambiental y humana.
Esta investigación está financiada por la Agencia de Proyectos de Investigación Avanzada para la Salud (ARPA-H) bajo el acuerdo número 140D042690030. Las opiniones y conclusiones contenidas en este artículo son las de los autores y no deben interpretarse como representativas de las políticas oficiales, ya sean expresas o implícitas, del gobierno de los Estados Unidos.