1

Un puissant antibiotique découvert grâce à l’intelligence artificielle

Selon une étude publiée dans la revue Cell, cette nouvelle molécule a réussi à détruire, chez des souris, des souches bactéries résistantes à tous les antibiotiques connus.

L’Intelligence Artificielle pour tester les nouvelles molécules plus rapidement

Les scientifiques ont utilisé l’Intelligence Artificielle (IA) pour identifier ce nouveau composant chimique. Les chercheurs du MIT ont conçu un modèle d’apprentissage en profondeur (deep learning) pour identifier les antibiotiques potentiels qui tuent les bactéries en utilisant des mécanismes différents de ceux des médicaments existants. L’algorithme peut détecter plus d’une centaine de millions de composés chimiques en quelques jours.

« Nous voulions développer une plate-forme qui nous permettrait d’exploiter la puissance de l’intelligence artificielle pour inaugurer une nouvelle ère de découverte de médicaments antibiotiques », a déclaré James Collins, professeur à l’Institut du Génie Médical et de la Science du MIT (IMES), département du Génie Biologique.

« Notre approche a révélé cette molécule étonnante qui est sans doute l’un des antibiotiques les plus puissants qui ait été découvert. »

Le besoin de nouveaux antibiotiques devient urgent

Peu de nouveaux antibiotiques ont été développés au cours des dernières décennies, rappellent les chercheurs, et la plupart de ces antibiotiques nouvellement approuvés sont seulement des variantes de médicaments existants. Avec l’augmentation de la résistance aux antibiotiques, de nouveaux médicaments sont nécessaires pour lutter contre l’infection et le décès.

« Nous sommes confrontés à une crise croissante autour de la résistance aux antibiotiques, et cette situation est générée à la fois par un nombre grandissant d’agents pathogènes devenant résistants aux antibiotiques existants, et par une recherche anémique dans les industries biotechnologiques et pharmaceutiques pour les nouveaux antibiotiques », a déclaré Collins.

Le Centers for Disease Control and Prevention (CDC) estime que chaque année, au moins 2,8 millions de personnes aux États-Unis contractent une infection résistante aux antibiotiques et plus de 35 000 personnes en meurent. L’équipe du MIT a déclaré que les méthodes actuelles de dépistage de nouveaux antibiotiques sont souvent coûteuses, chronophages et généralement limitées à un spectre étroit de diversité chimique.

Les modes de recherche traditionnels n’apportaient plus de solutions

Les modèles antérieurs d’apprentissage en profondeur utilisés pour le dépistage «in silico» n’étaient pas suffisamment précis pour transformer la découverte de médicaments, estimait l’équipe. Auparavant, les molécules étaient représentées comme des vecteurs reflétant la présence ou l’absence de certains groupes chimiques. Les nouveaux réseaux de neurones peuvent apprendre ces représentations automatiquement, cartographiant les molécules en vecteurs continus qui sont ensuite utilisés pour prédire leurs propriétés.

«Le modèle d’apprentissage automatique peut explorer, in silico, de grands espaces chimiques qui peuvent être d’un coût prohibitif pour les approches expérimentales traditionnelles», a déclaré Regina Barzilay, professeur Delta Electronics de génie électrique et informatique au MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL).

Une nouvelle méthode basée sur la prédiction de l’activité antibactérienne

Les chercheurs ont conçu le modèle pour rechercher des caractéristiques chimiques qui rendent les molécules efficaces pour tuer E. coli. Ils ont formé l’algorithme sur environ 2 500 molécules, dont environ 1 700 médicaments approuvés par la FDA et un ensemble de 800 produits naturels aux structures diverses. L’équipe a ensuite testé le modèle sur le Drug Repurposing Hub du Broad Institute, une bibliothèque d’environ 6 000 composés.

Le modèle a sélectionné une molécule dont on prévoyait une forte activité antibactérienne et une structure chimique différente de tous les antibiotiques existants. La molécule, appelée halicine par les chercheurs, a été testée contre des dizaines de souches bactériennes isolées de patients et cultivées dans des boîtes de laboratoire. L’équipe a découvert qu’elle était capable de tuer de nombreuses bactéries résistantes au traitement.

Un nouveau mode d’action bactéricide

Des études préliminaires suggèrent que l’halicine tue les bactéries en perturbant leur capacité à maintenir un gradient électrochimique à travers leurs membranes cellulaires. Ce gradient est nécessaire pour produire de l’ATP, des molécules que les cellules utilisent pour stocker l’énergie. Si le gradient se décompose, les cellules meurent.

« Lorsque vous avez affaire à une molécule qui s’associe probablement à des composants de la membrane, une cellule ne peut pas rapidement acquérir une seule mutation ou quelques mutations pour changer la chimie de la membrane externe. Des mutations comme celle-ci ont tendance à être beaucoup plus complexes à acquérir dans l’évolution», a déclaré Jonathan Stokes, postdoctorant au MIT et au Broad Institute of MIT and Harvard.

Les chercheurs ont découvert qu’E. Coli n’a développé aucune résistance à l’halicine au cours d’une période de traitement de 30 jours. L’équipe prévoit de mener d’autres études sur l’halicine pour la développer pour une utilisation chez l’homme. De plus, le groupe utilisera le modèle d’apprentissage en profondeur pour concevoir de nouveaux antibiotiques et affiner les molécules existantes.

Une révolution dans la recherche de nouveaux médicaments

« Ce travail révolutionnaire signifie un changement de paradigme dans la découverte d’antibiotiques et, en fait, dans la découverte de médicaments plus généralement », a déclaré Roy Kishony, professeur de biologie et d’informatique au Technion (l’Institut israélien de technologie), qui n’était pas impliqué dans l’étude.

Au-delà des écrans d’ordinateurs « in silico », cette approche permettra d’utiliser l’apprentissage en profondeur à toutes les étapes du développement des antibiotiques, de la découverte à l’amélioration de l’efficacité et de la toxicité en passant par les modifications de médicaments et la chimie médicale.