Metodi ad alto rendimento che sfruttano robotica e visione artificiale per lo sviluppo di cocktail di fagi terapeutici

Perché questo è importante per le infezioni di ogni giorno

La resistenza agli antibiotici sta trasformando infezioni un tempo di routine, come le infezioni delle vie urinarie (IVU), in problemi ostinati e talvolta pericolosi per la vita. Questo studio descrive come gli scienziati stiano sfruttando robot, telecamere e analisi dei dati per costruire medicinali a base di virus, chiamati cocktail di fagi, che possono attaccare in modo specifico i batteri resistenti ai farmaci che causano le IVU. Il lavoro mostra come un laboratorio automatizzato in stile industriale possa setacciare un enorme numero di accoppiamenti virus–batterio per progettare un singolo trattamento pronto all’uso che funzioni per la maggior parte dei pazienti.

Trasformare un’infezione comune in un caso di prova

Le IVU sono tra le ragioni più frequenti per cui le persone ricevono antibiotici, in particolare le donne, molte delle quali sperimentano infezioni ricorrenti. Il principale colpevole è una forma di E. coli che è diventata sempre più resistente ai farmaci standard. Gli antibiotici tradizionali agiscono in modo ampio e possono alterare i microbi utili del corpo, oltre a spingere i batteri a evolvere resistenze. I fagi — virus che infettano i batteri — offrono un’opzione più mirata, ma ciascun fago tende ad attaccare solo specifici ceppi batterici. La sfida è trovare la giusta miscela di fagi che, collettivamente, possa gestire la diversità reale degli E. coli che causano le IVU.

Costruire una libreria realistica di batteri problematici

Il team ha innanzitutto assemblato un ampio e diversificato pannello di ceppi di E. coli responsabili di IVU per rispecchiare quanto osservato nelle cliniche. Da circa 1.700 isolati raccolti da pazienti e fonti commerciali, e guidandosi con dati genetici derivati da circa 10.000 genomi pubblici di E. coli, hanno selezionato 356 ceppi per un “Pannello Clinico”. Questi ceppi rappresentavano le principali linee genetiche, provenivano da pazienti in 39 stati degli USA e includevano molti isolati resistenti a più classi di antibiotici. Ogni ceppo è stato coltivato con cura, porzionato, etichettato con barcode e conservato in congelatori automatizzati in modo che i robot potessero prelevarli ripetutamente e in modo affidabile per i test.

Robot e telecamere alla ricerca della migliore miscela virale

Successivamente, i ricercatori si sono concentrati sull’altro lato dell’equazione: i fagi. Hanno raccolto oltre mille campioni ambientali, principalmente dalle acque reflue, e hanno usato il loro Pannello Clinico per isolare 1.143 fagi mirati contro E. coli, dei quali 421 sono diventati i principali strumenti di lavoro. Una piattaforma robotica personalizzata ha impiegato pipette multicanale, incubatori e lettori di piastre per mescolare batteri, fagi e terreni di coltura in pozzetti minuscoli e monitorare la crescita batterica per 20 ore. Confrontando la crescita dei pozzetti trattati con fagi con i controlli non trattati, il sistema ha misurato quanto efficacemente ogni fago — o combinazione di fagi — sopprimeva la crescita batterica. Nel tempo questo ha prodotto circa 1,5 milioni di curve di crescita e più di 3,8 milioni di record di reazioni fago–batterio, che hanno alimentato un modello di previsione dei cocktail suggerendo nuove combinazioni promettenti da testare.

Lasciare che la visione artificiale conti i sopravvissuti

Le letture ottiche mostrano la torbidità complessiva ma non possono facilmente rilevare quando rimane solo un piccolo numero di batteri. Per quantificare un’uccisione profonda, il team ha aggiunto un secondo saggio automatizzato. I robot hanno diluito i campioni, li hanno applicati su piastre di agar e le hanno incubate in modo che i singoli batteri sopravvissuti formassero colonie visibili. Telecamere ad alta risoluzione hanno quindi fotografato le piastre. Una pipeline di analisi delle immagini personalizzata ha utilizzato tre algoritmi diversi per contare colonie e zone chiare indotte dai fagi, confrontando i risultati e segnalando le discrepanze per la revisione umana. Su oltre due milioni di spot, il sistema automatizzato ha eguagliato o superato l’accuratezza degli analisti addestrati pur operando su scala molto maggiore, fornendo conteggi affidabili di batteri vivi e particelle fagiche.

Da milioni di test a un cocktail potente

Usando questi saggi ad alto rendimento e gli strumenti di predizione, i ricercatori hanno ristretto migliaia di possibilità a un cocktail di sei fagi, LBP-EC01. Prodotto in condizioni conformi agli standard farmaceutici, questo cocktail ha mostrato attività in laboratorio contro il 96,4% dei 356 ceppi del Pannello Clinico e ha ridotto il numero di batteri di almeno 100.000 volte nella maggior parte dei casi. Quando il team ha testato isolati di E. coli provenienti dalla prima parte di uno studio clinico di Fase 2 in corso su donne con IVU acute, il 97% dei ceppi unici era sensibile al cocktail, e il profilo di uccisione corrispondeva strettamente a quanto osservato nel pannello precompilato. È importante che non sia stata trovata evidenza che i batteri dei pazienti abbiano sviluppato resistenza genetica ai fagi durante il periodo monitorato.

Cosa significa per i trattamenti futuri

Semplificando, questo lavoro dimostra che un’automazione e un’imaging progettati con cura possono eliminare l’incertezza nella terapia con fagi. Abbinando collezioni realistiche di batteri clinici a test robotici e visione artificiale, i ricercatori hanno creato un cocktail di fagi ampiamente attivo che rimane efficace contro isolati clinici reali. Pur necessitando di studi clinici più ampi per confermare i benefici in ambito clinico, l’approccio offre un modello per sviluppare medicinali fagici fissi e scalabili per affrontare infezioni multi-resistenti e ridurre la dipendenza dagli antibiotici tradizionali.

Citazione: 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

Parole chiave: terapia con fagi, infezione delle vie urinarie, resistenza agli antibiotici, automazione di laboratorio, visione artificiale