La resistencia a los antibi\u00f3ticos es una crisis creciente que amenaza la salud global. En respuesta a esta urgente necesidad, cient\u00edficos han desarrollado un enfoque innovador basado en el aprendizaje autom\u00e1tico para predecir p\u00e9ptidos antimicrobianos (AMP) dentro del microbioma global. Este enfoque aprovecha un vasto conjunto de datos que incluye 63,410 metagenomas y 87,920 genomas procariotas de diversos h\u00e1bitats ambientales y asociados al hu\u00e9sped, resultando en la creaci\u00f3n de AMPSphere, un cat\u00e1logo exhaustivo que contiene 863,498 p\u00e9ptidos no redundantes, la mayor\u00eda de los cuales no se encuentran en bases de datos existentes.<\/p>\n\n\n\n
AMPSphere no solo proporciona un recurso valioso para el descubrimiento de nuevos antibi\u00f3ticos, sino que tambi\u00e9n ofrece informaci\u00f3n sobre los or\u00edgenes evolutivos de estos p\u00e9ptidos. A trav\u00e9s de la duplicaci\u00f3n o el truncamiento de genes de secuencias m\u00e1s largas, los investigadores han observado variaciones en la producci\u00f3n de AMP seg\u00fan el h\u00e1bitat.<\/p>\n\n\n\n
Para validar estas predicciones, los investigadores sintetizaron y probaron 100 AMP contra pat\u00f3genos cl\u00ednicamente relevantes resistentes a los medicamentos y comensales del intestino humano, tanto in vitro como in vivo. De estos, 79 p\u00e9ptidos mostraron actividad, con 63 dirigidos espec\u00edficamente a pat\u00f3genos. Estos AMP activos demostraron actividad antibacteriana mediante la alteraci\u00f3n de las membranas bacterianas.<\/p>\n\n\n\n