Une étude menée par la Perelman School of Medicine utilise l’IA pour faire progresser la découverte des antibiotiques, en analysant de nombreuses données génomiques pour identifier près d’un million de composés potentiels. Cette approche a révélé de nombreux candidats prometteurs qui pourraient conduire à de nouveaux traitements efficaces contre les bactéries résistantes aux antibiotiques.
Les chercheurs de Penn Medicine ont analysé les données génomiques pour découvrir de nouveaux antibiotiques au sein du microbiome mondial.
Près d'un siècle après l'introduction révolutionnaire d'antibiotiques tels que la pénicilline, qui ont transformé la médecine en exploitant les propriétés antibactériennes naturelles des microbes, une nouvelle étude menée par la Perelman School of Medicine de l'Université de Pennsylvanie indique que la découverte d'antibiotiques naturels est sur le point de accélérer dans une nouvelle ère, propulsé par intelligence artificielle (IA).
L'étude, publiée dans Celluledétaille comment les chercheurs ont utilisé une forme d'IA appelée apprentissage automatique pour rechercher des antibiotiques dans un vaste ensemble de données contenant les génomes enregistrés de dizaines de milliers de bactéries et d’autres organismes primitifs. Cet effort sans précédent a permis de produire près d’un million de composés antibiotiques potentiels, dont des dizaines ont montré une activité prometteuse lors des premiers tests contre les bactéries responsables de maladies.
« L’IA dans la découverte d’antibiotiques est désormais une réalité et a considérablement accéléré notre capacité à découvrir de nouveaux médicaments candidats. Ce qui prenait autrefois des années peut désormais être réalisé en quelques heures grâce à des ordinateurs », a déclaré le co-auteur principal de l’étude, César de la Fuente, PhD, professeur adjoint présidentiel en psychiatrie, microbiologie, chimie, génie chimique et biomoléculaire et bio-ingénierie.
La nature comme armoire à pharmacie
La nature a toujours été un bon endroit pour rechercher de nouveaux médicaments, notamment des antibiotiques. Les bactéries, omniprésentes sur notre planète, ont développé de nombreuses défenses antibactériennes, souvent sous la forme de protéines courtes (« peptides ») qui peuvent perturber les membranes cellulaires bactériennes et d’autres structures critiques. Alors que la découverte de la pénicilline et d’autres antibiotiques d’origine naturelle a révolutionné la médecine, la menace croissante de la résistance aux antibiotiques a souligné le besoin urgent de nouveaux composés antimicrobiens.
Ces dernières années, de la Fuente et ses collègues ont été les pionniers de la recherche d'antimicrobiens à l'aide de l'IA. Ils ont identifié des candidats précliniques dans les génomes d'humains contemporains, d'hommes de Néandertal et de Dénisoviens disparus, de mammouths laineux et de centaines d'autres organismes. L'un des principaux objectifs du laboratoire est d'exploiter les informations biologiques du monde entier pour trouver des molécules utiles, notamment des antibiotiques.
Pour cette nouvelle étude, l’équipe de recherche a utilisé une plateforme d’apprentissage automatique pour parcourir plusieurs bases de données publiques contenant des données génomiques microbiennes. L’analyse a porté sur 87 920 génomes de microbes spécifiques ainsi que 63 410 mélanges de génomes microbiens – « métagénomes » – provenant d’échantillons environnementaux. Cette exploration complète a couvert divers habitats à travers la planète.
Cette exploration approfondie a permis d’identifier 863 498 peptides antimicrobiens candidats, dont plus de 90 % n’avaient jamais été décrits auparavant. Pour valider ces résultats, les chercheurs ont synthétisé 100 de ces peptides et les ont testés contre 11 souches bactériennes pathogènes, notamment des souches de bactéries résistantes aux antibiotiques. E. coli et Staphylococcus aureus.
« Notre sélection initiale a révélé que 63 de ces 100 candidats ont complètement éradiqué la croissance d'au moins un des agents pathogènes testés, et souvent de plusieurs souches », a déclaré de la Fuente. « Dans certains cas, ces molécules étaient efficaces contre les bactéries à très faibles doses. »
Résultats prometteurs et orientations futures
Des résultats prometteurs ont également été observés dans des modèles animaux précliniques, où certains des composés puissants ont réussi à arrêter les infections. Une analyse plus approfondie suggère que bon nombre de ces molécules candidates détruisent les bactéries en perturbant leurs membranes protectrices externes, les faisant éclater comme des ballons.
Les composés identifiés proviennent de microbes vivant dans une grande variété d'habitats, notamment la salive humaine, les intestins de porc, le sol et les plantes, les coraux et de nombreux autres organismes terrestres et marins. Cela valide l'approche globale des chercheurs pour explorer les données biologiques du monde entier.
Dans l’ensemble, les résultats démontrent le pouvoir de l’IA dans la découverte de nouveaux antibiotiques, fournissant de multiples nouvelles pistes aux développeurs d’antibiotiques et signalant le début d’une nouvelle ère prometteuse dans la découverte d’antibiotiques.
L'équipe a publié son référentiel de séquences antimicrobiennes putatives, qu'elle appelle AMPSphere, qui est en libre accès et disponible gratuitement sur https://ampsphere.big-data-biology.org/
La recherche a été soutenue par le programme national clé de R&D de Chine (2020YFA0712403, 2018YFC0910500) ; la Fondation nationale des sciences naturelles de Chine (61932008, 61772368) ; Fonds d'innovation scientifique et technologique de Shanghai (19511101404) ; Projet majeur scientifique et technologique municipal de Shanghai (2018SHZDZX01) ; La Commission des sciences et technologies de la municipalité de Shanghai (22JC1410900) ; Le Conseil australien de la recherche (FT230100724) ; la Fondation AIChE ; le Instituts nationaux de la santé (R35GM138201) ; l'Agence de réduction des menaces de défense (HDTRA11810041, HDTRA1-21-1-0014, HDTRA1-23-1-0001 ; PID2021-554 127210NB-I00, MCIN/AEI/10.13039/501100011033/FEDER), UE), Fondation « La Caixa » (ID 100010434), code de bourse LCF/BQ/DI18/11660009 (ARdR) ; programme de recherche et d'innovation Horizon 2020 de l'Union européenne (convention de subvention Marie Skłodowska-Curie 713673).
