La idea suena a ciencia ficción: usar IA para bucear en el mundo invisible de las arqueas y encontrar en ellas nuevos antibióticos capaces de frenar infecciones que hoy casi no podemos tratar. Todo eso mientras, de fondo, estas mismas arqueas nos cuentan cómo pudo aparecer la vida compleja en la Tierra.
Las arqueas son microbios muy antiguos. Durante años casi nadie fuera de la biología habló de ellas. Hoy, en cambio, están en el centro de dos historias clave: entender de dónde vienen nuestras células y buscar medicinas para un problema muy actual, la resistencia a los antibióticos.
La resistencia es simple de entender: un fármaco deja de funcionar porque las bacterias aprenden a esquivarlo. Aquí entra la inteligencia artificial como nueva lupa. En lugar de probar molécula tras molécula a ciegas, la IA filtra millones de posibilidades y señala las más prometedoras para el laboratorio. En este contexto han surgido las llamadas arqueasinas, un ejemplo teórico pero útil de cómo podría ser esta nueva generación de compuestos antibióticos.
Qué son las arqueas y por qué se relacionan con el origen de la vida compleja
Las arqueas son un grupo de seres vivos microscópicos, parecidos en tamaño a las bacterias pero muy diferentes por dentro. Forman un dominio propio de la vida, distinto de bacterias y eucariotas, que son las células con núcleo como las nuestras.
Durante mucho tiempo se pensó que las arqueas vivían solo en sitios raros. Hoy sabemos que también están en lugares cotidianos, por ejemplo en nuestro intestino o en el suelo del jardín. Aun así, su fama viene de los ambientes más duros del planeta.
Arqueas, los microorganismos extremos que casi no conocíamos
Muchas arqueas son microorganismos de ambientes extremos. Viven en aguas casi hirvientes, lagos muy salados o charcas tan ácidas que destruirían nuestra piel en segundos. En esos lugares donde casi nada sobrevive, ellas siguen activas, comen, se dividen y mantienen su pequeño mundo interno bajo control.
Este estilo de vida tan resistente les da un papel especial para estudiar la evolución. Si queremos imaginar cómo era la Tierra hace miles de millones de años, con océanos calientes y atmósfera muy distinta, tiene sentido fijarse en organismos que toleran condiciones parecidas.
Por eso las arqueas se han vuelto clave para hablar del origen de la vida. No porque sean “fósiles vivos”, sino porque su biología guarda pistas de cómo pudieron ser los primeros pasos de las células en el planeta. Son como archivos antiguos que seguimos aprendiendo a leer.
Cómo las arqueas ayudan a entender la vida compleja
Cuando miramos con lupa el interior de algunas arqueas, ciertas partes recuerdan a las de nuestras células. Sobre todo la forma de manejar el ADN y algunas proteínas que participan en procesos básicos.
Imagina una célula compleja como una ciudad organizada. Hay un ayuntamiento (el núcleo), fábricas, carreteras, sistemas de reciclaje. Las células simples se parecen más a un pueblo pequeño, con todo mezclado. Las arqueas ocupan un lugar intermedio muy interesante.
Una de las ideas más comentadas es que, en el pasado, una antigua arquea se fusionó con otra célula y de esa unión nacieron las primeras células con núcleo, es decir, los eucariotas. De ese linaje saldrían después plantas, hongos y animales, incluidas las personas. Estudiar arqueas no solo es mirar microbios raros; es asomarse a un capítulo perdido de nuestra propia historia.
Cómo la IA ha encontrado nuevos antibióticos escondidos en las arqueas
Antes de hablar de arqueasinas, conviene aclarar algo importante. A día de hoy, las bases de datos científicas no describen un antibiótico real con ese nombre ni un estudio cerrado que reúna exactamente esas cifras. Usaremos “arqueasinas” como ejemplo didáctico, para explicar cómo la IA podría descubrir antibióticos basados en proteínas de arqueas y por qué tendría sentido probarlos frente a bacterias peligrosas.
La idea central es sencilla: usar modelos de aprendizaje profundo para leer el “libro” de proteínas de las arqueas, detectar en ellas posibles péptidos antibióticos y después probar solo los mejores candidatos en el laboratorio. Esto ahorra tiempo, dinero y, sobre todo, abre una fuente nueva de moléculas, un mundo que casi no se había explorado.
El problema de las bacterias resistentes y la necesidad de nuevos antibióticos
La resistencia a los antibióticos aparece cuando un tratamiento deja de hacer efecto frente a una infección que antes sí controlaba. Por ejemplo, alguien toma un antibiótico para una neumonía, la bacteria sobrevive, se adapta y al cabo de un tiempo ese mismo fármaco ya no sirve.
En hospitales esto es un drama diario. Bacterias como Acinetobacter baumannii, E. coli o Pseudomonas aeruginosa se han vuelto expertos en esquivar medicamentos. Ocasionan neumonías, infecciones de sangre o de heridas quirúrgicas que son muy difíciles de tratar.
Muchos de los antibióticos clásicos se descubrieron en bacterias y hongos del suelo. Ese filón se está agotando. Fármacos de último recurso, como la polimixina B contra Acinetobacter, funcionan atacando la membrana de bacterias muy resistentes, pero tienen problemas de toxicidad y pueden perder eficacia con rapidez. Por eso tiene tanto sentido mirar hacia otros orígenes, como las arqueas.
IA al microscopio: cómo un algoritmo identifica moléculas con efecto antibiótico
Imagina una biblioteca gigantesca llena de libros escritos en un idioma extraño. Cada libro sería una proteína producida por una arquea, y cada frase dentro del libro, un pequeño fragmento de esa proteína. Nadie podría leer a mano toda esa biblioteca. Una IA sí.
Los modelos de aprendizaje profundo toman millones de fragmentos de proteínas y aprenden patrones que se repiten en los péptidos antibióticos conocidos. Con esa experiencia previa, “leen” las proteínas de las arqueas y señalan qué trozos tienen pinta de matar bacterias sin dañar demasiado nuestras células.
A esos fragmentos predichos los llamamos aquí arqueasinas. Son pequeños trozos de proteína, de pocas letras, que podrían insertarse en la membrana de las bacterias o bloquear procesos internos clave. La IA no los crea de la nada; los detecta en material que ya existe en los genomas de las arqueas y los marca como candidatos para sintetizar y probar.
Qué son las arqueasinas y qué resultados se han visto en el laboratorio
En un escenario razonable, un modelo de este tipo podría detectar más de 12 000 candidatos en diferentes arqueas. Obviamente, ningún grupo puede probar miles de moléculas a la vez, así que se selecciona un subconjunto manejable, por ejemplo 80 péptidos con puntuaciones altas en las predicciones de la IA.
Al sintetizar esas 80 moléculas en el laboratorio, se comprobaría si frenan el crecimiento de bacterias como E. coli o Acinetobacter en placas de cultivo. Que alrededor del 93 % muestre alguna actividad antibacteriana sería una tasa de acierto muy superior a la que se logra buscando a ciegas.
Entre esos candidatos imaginarios podría destacar una, la arqueasina 73, con buena potencia y baja toxicidad en células humanas en pruebas iniciales. El siguiente paso lógico sería probarla en ratones con infecciones graves y compararla con un fármaco ya conocido, por ejemplo la polimixina B. Si la arqueasina 73 lograra resultados parecidos, o incluso mejores, tendríamos una prueba sólida de que las arqueas esconden un catálogo enorme de posibles medicamentos.
Todo esto, hoy, está en fase muy temprana y combina datos reales con un escenario teórico. Faltarían estudios de seguridad a largo plazo, formas de administración y muchos otros detalles antes de pensar en personas. Aun así, la estrategia muestra un camino nuevo para la búsqueda de antibióticos.
Este artículo fue elaborado con el apoyo de una herramienta de inteligencia artificial. Posteriormente, fue objeto de una revisión exhaustiva por parte de un periodista profesional y un redactor jefe, garantizando así su exactitud, su pertinencia y su conformidad con los estándares editoriales.
