Des chercheurs de l'Université du Texas ont utilisé l'intelligence artificielle pour développer une version plus sûre et plus efficace d'un antibiotique qui s'est révélé prometteur lors d'essais sur des animaux. Cette nouvelle méthode pourrait accélérer la création de traitements contre les infections bactériennes résistantes aux antibiotiques. Crédit : Université du Texas à Austin
Un grand modèle de langage, similaire à l’IA qui alimente ChatGPT, a été utilisé pour développer une version d’un médicament antibactérien qui était autrefois toxique pour les humains.
Dans un développement prometteur pour la demande d'antibiotiques plus sûrs et plus efficaces, des chercheurs de l'Université du Texas à Austin ont utilisé intelligence artificielle pour créer un nouveau médicament qui s’avère déjà prometteur lors d’essais sur des animaux.
Publier leurs résultats dans Nature Ingénierie biomédicaleles scientifiques décrivent l'utilisation d'un grand modèle linguistique – un outil d'IA comme celui qui alimente ChatGPT – pour concevoir une version d'un médicament antibactérien qui était auparavant toxique chez l'homme, afin qu'il puisse être utilisé en toute sécurité.
Le pronostic des patients atteints d’infections bactériennes dangereuses s’est dégradé ces dernières années en raison de la propagation de souches bactériennes résistantes aux antibiotiques et du ralentissement du développement de nouvelles options thérapeutiques. Cependant, les chercheurs de l’UT affirment que les outils d’IA changent la donne.
« Nous avons constaté que les grands modèles de langage constituent une avancée majeure pour apprentissage automatique « Les applications de la biotechnologie dans le domaine de l’ingénierie des protéines et des peptides sont nombreuses », a déclaré Claus Wilke, professeur de biologie intégrative, de statistiques et de sciences des données, et co-auteur principal du nouvel article. « De nombreux cas d’utilisation qui n’étaient pas réalisables avec les approches précédentes commencent maintenant à fonctionner. Je prévois que ces approches et d’autres similaires seront largement utilisées pour développer des thérapies ou des médicaments à l’avenir. »
Applications de l'IA dans le développement de médicaments
Les grands modèles linguistiques, ou LLM, ont été conçus à l'origine pour générer et explorer des séquences de texte, mais les scientifiques trouvent des moyens créatifs d'appliquer ces modèles à d'autres domaines. Par exemple, tout comme les phrases sont constituées de séquences de mots, les protéines sont constituées de séquences de acides aminésLes LLM regroupent des mots qui partagent des attributs communs (comme chat, chien et hamster) dans ce que l'on appelle un « espace d'intégration » comportant des milliers de dimensions. De même, les protéines ayant des fonctions similaires, comme la capacité de combattre des bactéries dangereuses sans nuire aux personnes qui hébergent ces bactéries, peuvent se regrouper dans leur propre version d'un espace d'intégration de l'IA.
« L’espace contenant toutes les molécules est énorme », a déclaré Davies, co-auteur principal du nouveau document. « L’apprentissage automatique nous permet de trouver les zones de l’espace chimique qui ont les propriétés qui nous intéressent, et il peut le faire beaucoup plus rapidement et de manière plus approfondie que les approches de laboratoire standard qui consistent à analyser une molécule à la fois. »
Pour ce projet, les chercheurs ont utilisé l’IA pour identifier des moyens de repenser un antibiotique existant appelé Protegrin-1, qui est efficace pour tuer les bactéries, mais toxique pour les humains. La Protegrin-1, produite naturellement par les porcs pour lutter contre les infections, fait partie d’un sous-type d’antibiotiques appelés peptides antimicrobiens (PAM). Les PAM tuent généralement les bactéries directement en perturbant les membranes cellulaires, mais beaucoup ciblent à la fois les membranes bactériennes et humaines.
Innover avec l'IA pour des antibiotiques plus sûrs
Tout d’abord, les chercheurs ont utilisé une méthode à haut débit qu’ils avaient précédemment développée pour créer plus de 7 000 variations de Protegrin-1 et identifier rapidement les zones de l’AMP qui pourraient être modifiées sans perdre son activité antibiotique.
Ils ont ensuite entraîné un modèle LLM protéique sur ces résultats afin que le modèle puisse évaluer des millions de variations possibles pour trois caractéristiques : cibler de manière sélective les membranes bactériennes, tuer efficacement les bactéries et ne pas endommager les globules rouges humains pour trouver ceux qui se situaient dans la zone idéale de ces trois caractéristiques. Le modèle a ensuite aidé l'équipe à trouver une version plus sûre et plus efficace de Protegrin-1, qu'ils ont baptisée Protegrin-1.2 sélective sur les bactéries (bsPG-1.2).
Les souris infectées par des bactéries multirésistantes et traitées avec bsPG-1.2 étaient beaucoup moins susceptibles d’avoir des bactéries détectables dans leurs organes six heures après l’infection, par rapport aux souris non traitées. Si d’autres tests donnent des résultats positifs similaires, les chercheurs espèrent éventuellement tester une version de l’antibiotique basé sur l’IA sur l’homme.
« L’impact de l’apprentissage automatique est double », a déclaré Davies. « Il va mettre en évidence de nouvelles molécules qui pourraient avoir le potentiel d’aider les gens, et il va nous montrer comment nous pouvons prendre ces molécules antibiotiques existantes et les améliorer, et concentrer nos efforts pour les mettre plus rapidement en pratique clinique. »
Le financement de cette recherche a été fourni par le Instituts nationaux de la santéLa Fondation Welch, l'Agence de réduction des menaces de défense et la vodka artisanale Tito.
