Una investigación doctoral sugiere que los medicamentos antidepresivos y antipsicóticos podrían representar una alternativa en la lucha contra las infecciones bacterianas resistentes a los antibióticos. Este hallazgo es el resultado principal de la tesis de Antonio Tarín-Pelló, dirigida por la catedrática de Microbiología de la Universidad CEU Cardenal Herrera (CEU UCH), Teresa Pérez Gracia, y la investigadora postdoctoral Beatriz Suay García. El modelo computacional predictivo desarrollado en esta investigación también ha identificado propiedades antimicrobianas en el antitusivo dextrometorfano y en el antihistamínico clorfenamina.
En la investigación de Antonio Tarín-Pelló, doctor por la CEU UCH, el modelo matemático desarrollado permitió identificar cuatro grupos terapéuticos relacionados con la recaptación de serotonina como potenciales antimicrobianos. Los análisis posteriores confirmaron que estos fármacos interaccionan con las mismas dos proteínas diana utilizadas por los antimicrobianos. Según el doctor Tarín-Pelló, «estos fármacos podrían representar una alternativa en la lucha contra las infecciones bacterianas resistentes a los antibióticos actuales».
Un estudio reciente de la SEIMC, realizado en 130 hospitales españoles y publicado en The Lancet, estima que en 2023 murieron 24.000 personas por este tipo de infecciones, una cifra ocho veces superior a la registrada previamente.
Identificar potenciales antimicrobianos
El modelo matemático de predicción desarrollado ha demostrado su capacidad para identificar potenciales antimicrobianos a partir de fármacos ya comercializados y aprobados por la Food and Drug Administration (FDA). Basado en el análisis topológico de datos y la homología persistente, el modelo permite detectar similitudes estructurales entre las proteínas diana de estos fármacos y las proteínas presentes en la bacteria Escherichia coli, facilitando así la identificación de nuevos usos terapéuticos para medicamentos existentes.
Las 891 interacciones fármaco-diana predichas por el modelo han sido validadas mediante pruebas in silico de acoplamiento molecular y ensayos in vitro. Estos ensayos se realizaron frente a una cepa de Escherichia coli productora de beta-lactamasas de espectro extendido y una cepa de Salmonella Typhimurium resistente a amoxicilina y ácido clavulánico, confirmando el potencial antimicrobiano de los fármacos identificados.
De acuerdo con Tarín-Pelló «de las moléculas no antibióticas detectadas, destacaron los antidepresivos y los antipsicóticos, además, el antitusivo dextrometorfano y el antihistamínico clorfenamina presentaron resultados similares». «Los cuatro grupos terapéuticos, que están relacionados con la recaptación de serotonina, interaccionaron con las dos mismas proteínas reconocidas como dianas para antimicrobianos», señaló.
El modelo computacional desarrollado por el equipo investigador del Grupo Diagnóstico Molecular en Microbiología Clínica (DMMC) de la CEU UCH permite identificar de manera rápida y eficaz moléculas con potencial antimicrobiano, facilitando el reposicionamiento de fármacos como estrategia frente al aumento de infecciones bacterianas resistentes. No obstante, dado el elevado consumo mundial de los fármacos identificados, especialmente los antidepresivos, es fundamental fomentar el uso racional de estos medicamentos, al igual que el de los antibióticos, para optimizar el tratamiento de enfermedades infecciosas resistentes. Los tres investigadores forman parte del proyecto SWICEU de la CEU UCH, dedicado a la búsqueda de nuevos antibióticos y a la concienciación sobre su uso adecuado.
El equipo investigador subraya que la resistencia antimicrobiana es una de las mayores amenazas para la salud pública global, con proyecciones que estiman más de 10 millones de muertes anuales en 2050, una cada tres segundos. En este contexto, el reposicionamiento de fármacos ya comercializados, apoyado en modelos computacionales predictivos como el desarrollado en esta investigación, se presenta como una estrategia prometedora. Este enfoque podría reducir significativamente el tiempo, el coste y el riesgo asociados al desarrollo de nuevos antibióticos, facilitando así una respuesta más ágil y efectiva frente a la crisis de resistencia bacteriana.
