Grâce à l’intelligence artificielle, des scientifiques ont découvert un nouvel antibiotique, l' »abaucine », destiné à lutter contre la dangereuse bactérie Acinetobacter baumannii, résistante aux médicaments. Cet antibiotique ciblé réduit le risque que la bactérie développe une résistance aux médicaments, ouvrant ainsi une nouvelle voie, rentable et efficace, pour la découverte d’antibiotiques.
Un nouveau procédé pourrait accélérer la découverte d’autres antibiotiques indispensables.
Des scientifiques de l’université McMaster et du Massachusetts Institute of Technology ont utilisé l’intelligence artificielle pour découvrir un nouvel antibiotique qui pourrait être utilisé pour lutter contre un pathogène mortel et résistant aux médicaments qui frappe les patients vulnérables dans les hôpitaux.
Le processus utilisé pourrait également accélérer la découverte d’autres antibiotiques pour traiter de nombreuses autres bactéries difficiles.
Les chercheurs ont répondu au besoin urgent de nouveaux médicaments pour traiter l’Acinetobacter baumannii, identifiée par l’Organisation mondiale de la santé comme l’une des bactéries résistantes aux antibiotiques les plus dangereuses au monde. Réputée difficile à éradiquer, A. baumannii peut provoquer des pneumonies, des méningites et infecter des plaies, ce qui peut entraîner la mort.
L’auteur principal Jonathan Stokes, professeur adjoint au département de biochimie et de sciences biomédicales de l’université McMaster. Les chercheurs ont identifié un nouveau composé antibactérien pour traiter l’agent pathogène Acinetobacter baumannii. Crédit : Université McMaster
A. baumanni est généralement présent dans les hôpitaux, où il peut survivre sur des surfaces pendant de longues périodes. L’agent pathogène est capable de capter l’ADN d’autres espèces de bactéries dans son environnement, y compris les gènes de résistance aux antibiotiques.
Dans l’étude, publiée le 25 mai dans la revue Nature Chemical Biology, les chercheurs indiquent qu’ils ont utilisé un algorithme d’intelligence artificielle pour prédire de nouvelles classes structurelles de molécules antibactériennes, et ont identifié un nouveau composé antibactérien, qu’ils ont nommé abaucine.
La découverte de nouveaux antibiotiques contre A. baumannii par le biais d’un criblage conventionnel s’est avérée difficile. Les méthodes traditionnelles prennent du temps, sont coûteuses et ont une portée limitée.
Les approches algorithmiques modernes permettent d’accéder à des centaines de millions, voire des milliards, de molécules ayant des propriétés antibactériennes.
« Ce travail valide les avantages de l’apprentissage automatique dans la recherche de nouveaux antibiotiques », déclare Jonathan Stokes, auteur principal de l’article et professeur adjoint au département de biomédecine et de biochimie de McMaster, qui a mené les travaux avec James J. Collins, professeur d’ingénierie et de sciences médicales au MIT, et les étudiants diplômés de McMaster Gary Liu et Denise Catacutan.
Gary Liu, étudiant diplômé du département de biochimie et de sciences biomédicales de l’université McMaster et co-auteur de l’article. Crédit : Université McMaster
« Grâce à l’IA, nous pouvons explorer rapidement de vastes régions de l’espace chimique, ce qui augmente considérablement les chances de découvrir des molécules antibactériennes fondamentalement nouvelles », explique M. Stokes, qui fait partie de la Global Nexus School for Pandemic Prevention and Response de l’université McMaster.
« Les approches de l’IA en matière de découverte de médicaments sont là pour durer et continueront d’être affinées », déclare Collins, responsable de la faculté des sciences de la vie à la MIT Abdul Latif Jameel Clinic for Machine Learning in Health (Clinique Abdul Latif Jameel pour l’apprentissage automatique dans le domaine de la santé). « Nous savons que les modèles algorithmiques fonctionnent, il s’agit maintenant d’adopter largement ces méthodes pour découvrir de nouveaux antibiotiques de manière plus efficace et moins coûteuse. »
L’abaucine est particulièrement prometteuse, selon les chercheurs, car elle ne cible que l’A. baumannii, une découverte cruciale qui signifie que l’agent pathogène est moins susceptible de développer rapidement une résistance aux médicaments, ce qui pourrait conduire à des traitements plus précis et plus efficaces.
Denise Catacutan, étudiante diplômée au département de biochimie et de sciences biomédicales de l’université McMaster et co-auteur de l’article. Crédit : Université McMaster
La plupart des antibiotiques sont à large spectre, c’est-à-dire qu’ils tuent toutes les bactéries, perturbant ainsi le microbiome intestinal, ce qui ouvre la porte à une multitude d’infections graves, dont le C difficile.
« Nous savons que les antibiotiques à large spectre sont sous-optimaux et que les agents pathogènes ont la capacité d’évoluer et de s’adapter à tous les trucs que nous leur lançons », explique M. Stokes. « Les méthodes d’IA nous offrent la possibilité d’augmenter considérablement le rythme auquel nous découvrons de nouveaux antibiotiques, et ce à moindre coût. Il s’agit d’une voie d’exploration importante pour de nouveaux médicaments antibiotiques ».
Pour en savoir plus sur cette découverte, voir AI Helps Find New Antibiotic Drug To Combat Drug-Resistant Infections.
Référence : « Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii » par Gary Liu, Denise B. Catacutan, Khushi Rathod, Kyle Swanson, Wengong Jin, Jody C. Mohammed, Anush Chiappino-Pepe, Saad A. Syed, Meghan Fragis, Kenneth Rachwalski, Jakob Magolan, Michael G. Surette, Brian K. Coombes, Tommi Jaakkola, Regina Barzilay, James J. Collins et Jonathan M. Stokes, 25 mai 2023, Nature Chemical Biology.
DOI: 10.1038/s41589-023-01349-8