Javier Carrera es el artífice del primer motor tecnológico capaz de integrar y simular todo el conocimiento acumulado durante décadas en la bacteria mejor estudiada en biología molecular y celular
La revista Science dedica gran parte de su último número a resumir casi una década de investigación en la Universidad de Standford, respaldada en ejecución por uno de los primeros ingenieros clave de Google Maps, en torno a una tecnología pionera que permite recrear digitalmente el ciclo de vida del organismo modelo por excelencia en microbiología: La Escherichia coli. En concreto, los científicos han logrado construir, mediante la integración de componentes experimentales y computacionales, un modelo de la bacteria E. coli que pretende simular la compleja biología que gobierna el funcionamiento de los microoganismos para comprender su resistencia a los antibióticos y facilitar una plataforma de diseño de terapias antibacterianas. Se trata del primer motor tecnológico capaz de integrar y simular todo el conocimiento acumulado durante décadas en la bacteria mejor estudiada en biología molecular y celular alrededor del mundo.
Detrás del equipo de ingenieros, biólogos moleculares y científicos responsables de este hito se encuentra el investigador español Javier Carrera, quien gracias a este avance científico fue elegido como uno de los 10 españoles más innovadores menores de 35 años de la revista MIT Technology Review en español en 2017.
“Es hacia mitad del 2012 cuando descubro que un laboratorio de Stanford está en vías de desarrollo de una tecnología emergente con la que yo había soñado durante mis estudios de doctorado (2007-2012): Ordenadores capaces de simular toda la biología que se conoce de una bacteria. Finalmente me uno a este proyecto en 2013, aterrizando en uno de los ecosistemas más innovadores del planeta, Silicon Valley. Ya unido al proyecto, empezamos a observar que los tiempos de desarrollo tecnológico superan substancialmente los plazos que habíamos programado, por lo que en 2015 decido aparcar por unos meses el desarrollo tecnológico (continuado por el resto del equipo) y acercarme al mundo de la industria mediante un short MBA en la escuela de negocios de Stanford. En retrospectiva, pienso que fue clave poder inyectar dosis de customer discovery para girar ligeramente el enfoque científico-tecnológico: A día de hoy grandes tecnológicas de Silicon Valley ya han negociado con la Universidad la adquisición de la licencia que respalda este nuevo motor tecnológico para uso no-académico”, explica el propio Carrera.
Acelerando el descubrimiento de fármacos efectivos para luchar contra la actual pandemia
Uno de los principales objetivos de esta tecnología ha sido facilitar la simulación del funcionamiento de antibióticos para mejorar su eficiencia y luchar contra bacterias patogénicas con resistencia a los antibióticos clásicos. De este modo, esta tecnología abre las puertas a poder diseñar antibióticos más efectivos suplementándolos con moléculas que incentivan la eficiencia de estos, o incluso explorando combinaciones de antibióticos actualmente en mercado.
Y es que, al igual que en otras disciplinas científico-tecnológicas plenamente consolidadas (como la ingeniería mecánica o la electrónica), son necesarias plataformas de simulación que capaciten a los bioingenieros el modelado de cómo nuevas terapias funcionarían, sin necesidad inmediata de ejecutar experimentos (con costes elevados) para seleccionar las terapias más prometedoras. Esta tecnología publicada en Science activa precisamente el paradigma de experimentación en biología molecular guiado por simulaciones computacionales, abriendo puertas a una nueva era donde la biología de sistemas ya acaba de demostrar que facilita diseños más efectivos.
Cabe destacar la cercanía entre los problemas experimentados actualmente para encontrar vacunas y/o fármacos efectivos contra la COVID-19 y esta nueva metodología para simular biología y acelerar descubrimientos. “Actualmente, estamos experimentando una generación masiva de datos con relación a SARS-CoV-2 para aprender rápidamente como este virus patogénico interactúa y progresa con seres humanos a distintas escalas (en tiempo y a nivel molecular). Es uno de esos momentos críticos en la historia de la medicina donde deberíamos reconocer que es clave centralizar y coordinar la interrogación cientifico-experimental (como Francis Crick – premio Nobel al descubrimiento estructural del ADN — ya defendió en uno de sus monográficos hace cuatro década) y posterior agregación de datos/conocimiento para luchar contra esta enfermedad que nos ha traído consecuencias sin precedentes” explica Carrera.
En este contexto, esta tecnología ha sido pionera para integrar todo el conocimiento generado en la biología de E. coli durante más de cuatro décadas, en centenares de laboratorios a lo largo de todo el mundo, millones de experimentos y billones de datos generados, con el objetivo de identificar cual sería el siguiente experimento que nos habilitaría para descubrir otro pequeño rincón desconocido del funcionamiento complejo de sistemas biológicos, algo que es indiscutiblemente necesario en tiempos de pandemia. Para traer fármacos lo antes posible todo segundo cuenta, todo experimento ha de ser para descubrir algo nuevo, y cada nuevo dato adquirido debe aportar más piezas del puzzle de una manera estratégica y coordinada.
Referencia bibliográfica:
Simultaneous cross-evaluation of heterogeneous E. coli datasets via mechanistic simulation.
Derek N. Macklin, Travis A. Ahn-Horst, Heejo Choi, Nicholas A. Ruggero, Javier Carrera et al.
Science 24 Jul 2020: Vol. 369, Issue 6502, eaav3751. DOI: 10.1126/science.aav3751
