Découverte assistée par IA dans la lutte contre les bactéries résistantes aux médicaments
Dans une étude révolutionnaire publiée dans Nature, des chercheurs du MIT ont utilisé l’intelligence artificielle, spécifiquement l’apprentissage profond, pour découvrir de nouveaux composés capables de vaincre un ennemi redoutable : le Staphylococcus aureus résistant à la méthicilline (SARM). Responsable de plus de 10 000 décès annuels aux États-Unis, le SARM est une bactérie difficile, souvent résistante à plusieurs antibiotiques.
L’équipe du MIT, dirigée par James Collins, professeur à l’Institut d’ingénierie médicale et des sciences, a identifié plusieurs composés avec une activité puissante contre le SARM. Ces composés démontrent une faible toxicité contre les cellules humaines, ce qui en fait des candidats prometteurs pour de futurs médicaments. Cette découverte s’inscrit dans le cadre du projet Antibiotics-AI du MIT, visant à découvrir de nouvelles classes d’antibiotiques contre diverses bactéries mortelles sur sept ans.
Lever le voile sur la “boîte noire” de l’IA dans la découverte de médicaments
Un aspect unique de cette étude est la capacité de l’équipe à déchiffrer comment le modèle d’apprentissage profond fait ses prédictions de puissance antibiotique. Les modèles IA traditionnels dans la découverte de médicaments fonctionnent souvent comme des “boîtes noires” – leurs raisonnements et processus internes restent inconnus. Cependant, en adaptant un algorithme appelé recherche d’arbre Monte Carlo, utilisé dans d’autres systèmes IA comme AlphaGo, les chercheurs du MIT ont rendu les prédictions de leur modèle plus explicables.
Ils ont formé le modèle avec un ensemble de données élargi de 39 000 composés, testant chacun pour son activité antibiotique contre le SARM. En fournissant au modèle des informations sur les structures chimiques de ces composés et leurs propriétés antibactériennes, l’équipe a permis de prédire la probabilité qu’une nouvelle molécule soit un antibiotique efficace.
La véritable percée est survenue lorsque le modèle a identifié des sous-structures moléculaires spécifiques responsables de l’activité antimicrobienne. Cette perspicacité est cruciale car elle guide les chercheurs dans la conception d’antibiotiques plus efficaces.
Utilisant une suite de modèles, les chercheurs ont examiné environ 12 millions de composés disponibles dans le commerce, identifiant plusieurs classes prometteuses montrant une activité contre le SARM. Des tests en laboratoire et des expériences ultérieures dans deux modèles de souris d’infection par le SARM ont confirmé l’efficacité de ces composés. Ils semblent fonctionner en perturbant la capacité de la bactérie à maintenir son gradient électrochimique critique à travers les membranes cellulaires.
Cette découverte ouvre de nouvelles voies dans la lutte contre les bactéries résistantes aux antibiotiques. Les chercheurs ont déjà partagé leurs résultats avec Phare Bio, une organisation à but non lucratif associée au projet Antibiotics-AI, pour explorer plus avant le potentiel clinique de ces composés. De plus, l’équipe du MIT se concentre désormais sur la conception de plus de candidats médicamenteux et étend ses modèles pour cibler d’autres types de bactéries.
Le succès de cette étude représente un pas en avant significatif dans la découverte d’antibiotiques, démontrant le potentiel immense de l’IA dans la recherche médicale. Il ne s’agit pas seulement de trouver de nouveaux médicaments, mais de comprendre comment et pourquoi ils fonctionnent, ouvrant la voie à des traitements plus ciblés et efficaces contre la menace croissante des bactéries résistantes aux médicaments.