Métodos de alto rendimiento que aprovechan la robótica y la visión por ordenador para el desarrollo de cócteles terapéuticos de fagos

Por qué esto importa para las infecciones cotidianas

La resistencia a los antibióticos está convirtiendo infecciones que antes eran de rutina, como las infecciones del tracto urinario (ITU), en problemas persistentes y a veces potencialmente mortales. Este estudio describe cómo los científicos están utilizando robots, cámaras y análisis de datos para construir medicamentos basados en virus, llamados cócteles de fagos, que pueden atacar específicamente a las bacterias resistentes a los fármacos que causan las ITU. El trabajo muestra cómo un laboratorio automatizado estilo industrial puede cribar un gran número de emparejamientos virus–bacteria para diseñar un tratamiento único y comercial que funcione para la mayoría de los pacientes.

Convertir una infección común en un caso de prueba

Las ITU están entre las razones más frecuentes por las que las personas reciben antibióticos, especialmente las mujeres, muchas de las cuales sufren infecciones recurrentes. El principal culpable es una forma de E. coli que se ha vuelto cada vez más resistente a los fármacos estándar. Los antibióticos tradicionales actúan de forma amplia y pueden alterar los microbios beneficiosos del cuerpo, a la vez que ejercen presión para que las bacterias evolucionen resistencia. Los fagos —virus que infectan bacterias— ofrecen una opción más dirigida, pero cada fago tiende a atacar solo ciertas cepas bacterianas. El desafío es encontrar la mezcla adecuada de fagos que, en conjunto, pueda hacer frente a la diversidad real de E. coli causantes de ITU.

Construir una biblioteca realista de bacterias problemáticas

El equipo primero reunió un panel amplio y diverso de cepas de E. coli causantes de ITU para reflejar lo que se observa en las clínicas. A partir de alrededor de 1.700 aislados recogidos de pacientes y fuentes comerciales, y guiándose por datos genéticos de aproximadamente 10.000 genomas públicos de E. coli, seleccionaron 356 cepas para un “Panel Clínico”. Estas cepas capturaron las principales líneas genéticas, procedían de pacientes de 39 estados de EE. UU. e incluyeron muchas que eran resistentes a múltiples clases de antibióticos. Cada cepa se cultivó cuidadosamente, se dividió en porciones, se etiquetó con códigos de barras y se almacenó en congeladores automatizados para que los robots pudieran recuperarlas de forma repetida y fiable para las pruebas.

Robots y cámaras buscan la mejor mezcla de virus

A continuación, los investigadores se centraron en el otro lado de la ecuación: los fagos. Recogieron más de mil muestras ambientales, principalmente de aguas residuales, y utilizaron su Panel Clínico para capturar 1.143 fagos dirigidos a E. coli, de los cuales 421 se convirtieron en los principales protagonistas. Una plataforma robótica personalizada empleó pipeteadores multicanal, incubadores y lectores de placas para mezclar bacterias, fagos y medios de cultivo en pequeños pocillos y seguir el crecimiento bacteriano durante 20 horas. Al comparar el crecimiento de los pocillos tratados con fagos con controles sin tratar, el sistema midió con qué eficacia cada fago —o combinación de fagos— suprimía el crecimiento bacteriano. Con el tiempo, esto produjo alrededor de 1,5 millones de curvas de crecimiento y más de 3,8 millones de registros de reacciones fago–bacteria, que alimentaron un modelo de predicción de cócteles que sugería nuevas combinaciones prometedoras para probar.

Dejar que la visión por ordenador cuente a los supervivientes

Las lecturas ópticas muestran la turbidez general pero no detectan fácilmente cuando solo queda un pequeño número de bacterias. Para cuantificar la eliminación profunda, el equipo añadió un segundo ensayo automatizado. Los robots diluyeron muestras, las depositaron en placas con agar y las incubaron para que los supervivientes bacterianos individuales formaran colonias visibles. Cámaras de alta resolución fotografiaron luego las placas. Un flujo de análisis de imágenes personalizado empleó tres algoritmos diferentes para contar colonias y zonas claras inducidas por fagos, comprobando resultados entre sí y marcando desacuerdos para revisión humana. En más de dos millones de puntos, el sistema automatizado igualó o superó la precisión de analistas entrenados mientras operaba a una escala mucho mayor, proporcionando recuentos fiables de bacterias vivas y partículas de fagos.

De millones de pruebas a un cóctel potente

Utilizando estos ensayos de alto rendimiento y herramientas de predicción, los investigadores redujeron miles de posibilidades hasta un cóctel de seis fagos, LBP-EC01. Fabricado en condiciones de calidad farmacéutica, este cóctel mostró actividad en laboratorio contra el 96,4% de las 356 cepas del Panel Clínico y redujo el número de bacterias al menos 100.000 veces en la mayoría de los casos. Cuando el equipo probó aislados de E. coli de la primera parte de un ensayo clínico de fase 2 en curso en mujeres con ITU aguda, el 97% de las cepas únicas fueron sensibles al cóctel, y el patrón de eliminación coincidió estrechamente con lo observado en el panel preconstruido. Importante: no observaron evidencia de que las bacterias de los pacientes evolucionaran resistencia genética a los fagos durante el periodo monitorizado.

Qué significa esto para tratamientos futuros

En pocas palabras, este trabajo demuestra que la automatización y la imagen cuidadosamente diseñadas pueden eliminar la conjetura de la terapia con fagos. Al emparejar colecciones realistas de bacterias de pacientes con pruebas robóticas y visión por ordenador, los investigadores crearon un cóctel de fagos de amplia actividad que sigue siendo eficaz frente a aislados clínicos del mundo real. Aunque hacen falta ensayos más amplios para confirmar beneficios clínicos, el enfoque ofrece un modelo para desarrollar medicamentos fijos y escalables basados en fagos para abordar infecciones multirresistentes y reducir la dependencia de los antibióticos tradicionales.

Cita: Penke, T.J.R., Hammack, A.T., McMillan, L.J. et al. High-throughput methods leveraging robotics and computer vision for the development of therapeutic phage cocktails. Nat Commun 17, 2192 (2026). https://doi.org/10.1038/s41467-026-68684-x

Palabras clave: terapia con fagos, infección del tracto urinario, resistencia a los antibióticos, automatización de laboratorio, visión por ordenador