Avez-vous déjà imaginé que l’intelligence artificielle (IA) pourrait jouer un rôle clé dans la lutte contre les maladies les plus dangereuses ? Des scientifiques du Massachusetts Institute of Technology (MIT) ont utilisé l’IA pour découvrir une nouvelle classe d’antibiotiques capables de combattre la bactérie résistante aux médicaments Staphylococcus aureus (MRSA), responsable de milliers de décès dans le monde chaque année.
Le SARM, en particulier, est une bactérie qui a défié les efforts médicaux en raison de sa résistance aux antibiotiques conventionnels. Cette classe d’antibiotiques nouvellement découverte peut tuer le MRSA et pourrait changer le cours de la lutte contre la résistance aux antibiotiques, l’une des plus grandes menaces pour la santé mondiale.
Pour réaliser cette percée, l’équipe de chercheurs du MIT a appliqué un modèle d’apprentissage profond, une technique d’IA avancée. Ce modèle a été entraîné sur une base de données élargie, évaluant environ 39 000 composés pour leur activité antibiotique contre le MRSA.
Une innovation importante de cette étude est que les chercheurs ont été en mesure de comprendre comment le modèle d’apprentissage profond a fait ses prédictions. Cela a non seulement facilité l’identification de candidats antibiotiques potentiels, mais a également ouvert la voie à la conception de futurs médicaments qui pourraient être encore plus efficaces. Comprendre comment le modèle fait ses prédictions est un grand pas en avant dans l’application de l’IA à la médecine.
L’IA et l’apprentissage profond dans la lutte contre les bactéries résistantes
L’utilisation de l’intelligence artificielle en médecine est un domaine qui se développe rapidement. Dans ce cas, l’apprentissage profond, un type d’IA, a joué un rôle crucial. Il utilise des réseaux de neurones artificiels pour apprendre et représenter automatiquement les caractéristiques des données sans programmation explicite. Cette approche a considérablement accéléré l’identification des médicaments candidats, la prédiction de leurs propriétés et l’optimisation du processus de développement des médicaments.
L’équipe du MIT a entraîné un modèle d’apprentissage profond avec des données étendues. Ce modèle a permis de prédire l’activité antibactérienne et la toxicité de nouveaux composés. Par la suite, trois autres modèles d’apprentissage profond ont été utilisés pour évaluer la toxicité des composés dans trois types différents de cellules humaines. La combinaison de ces prédictions a permis d’identifier des composés qui pourraient être utilisés comme candidats potentiels pour l’activité antibactérienne et la toxicité.
Pour mieux comprendre comment le modèle fait ses prédictions, les chercheurs ont adapté un algorithme connu sous le nom d’arbre de recherche de Monte Carlo. Cet algorithme permet au modèle de générer non seulement une estimation de l’activité antimicrobienne de chaque molécule, mais aussi une prédiction des sous-structures de la molécule susceptibles d’être responsables de cette activité. Cette avancée est cruciale pour comprendre et concevoir de nouveaux antibiotiques à l’avenir.
Ce projet a impliqué non seulement le MIT, mais aussi Harvard, le Broad Institute et d’autres institutions, démontrant l’importance de la collaboration interdisciplinaire dans la science moderne. Le soutien de plusieurs fondations et agences de recherche souligne la pertinence et le potentiel du projet pour relever les défis mondiaux en matière de santé.
Implications et prochaines étapes dans le développement des antibiotiques
La découverte de ces nouveaux antibiotiques constitue une avancée significative dans la lutte contre les infections résistantes aux médicaments. Le MRSA, qui infecte chaque année plus de 80 000 personnes rien qu’aux États-Unis, provoque souvent des infections cutanées ou des pneumonies et, dans les cas graves, peut entraîner une septicémie, une infection potentiellement mortelle de la circulation sanguine. La capacité de ces nouveaux antibiotiques à combattre efficacement le MRSA est extrêmement prometteuse pour la santé publique mondiale.
Des tests en laboratoire ont révélé que les composés découverts tuent les bactéries en perturbant leur capacité à maintenir un gradient électrochimique à travers leurs membranes cellulaires, ce qui est vital pour de nombreuses fonctions cellulaires. Ces résultats ont été corroborés dans deux modèles de souris, l’un pour l’infection cutanée à MRSA et l’autre pour l’infection systémique, où les composés ont réduit la population de MRSA d’un facteur 10.
Les résultats ont été partagés avec Phare Bio, une organisation à but non lucratif, dans le cadre du projet Antibiotics-AI du MIT. Phare Bio prévoit d’effectuer des analyses plus détaillées des propriétés chimiques et de l’utilisation clinique potentielle de ces composés. Parallèlement, le laboratoire de M. Collins au MIT travaille à la conception d’autres médicaments candidats sur la base des résultats de cette étude, ainsi qu’à la recherche de composés capables de tuer d’autres types de bactéries.
La combinaison de l’IA et de la biologie promet non seulement d’accélérer la découverte de nouveaux médicaments, mais aussi d’offrir des approches plus efficaces et personnalisées pour le traitement des maladies. L’impact de ces avancées ira bien au-delà de la lutte contre les bactéries résistantes aux médicaments et ouvrira une nouvelle ère pour la médecine.