L’IA ouvre la voie à de nouveaux antibiotiques sûrs et efficaces pour lutter contre les bactéries résistantes

Dans un signe encourageant pour la demande d’antibiotiques plus sûrs et plus efficaces pour les humains, des chercheurs de l’Université du Texas à Austin ont exploité l’intelligence artificielle pour développer un nouveau médicament qui se révèle déjà prometteur dans les essais sur les 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 les applications d’apprentissage automatique dans l’ingénierie des protéines et des peptides », a déclaré Claus Wilke, professeur de biologie intégrative, de statistiques et de sciences des données, et co-auteur principal du nouveau document. « 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. »

Les grands modèles linguistiques (MLL) 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 d’acides aminés. Les 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 les 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.

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 dans le cadre d’essais 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. »

Ce projet met en lumière la manière dont les chercheurs universitaires font progresser l’intelligence artificielle pour répondre aux besoins de la société, un thème clé cette année à l’UT Austin, qui a déclaré 2024 l’Année de l’IA.

Les autres auteurs de l’étude sont l’associé de recherche Justin Randall et l’étudiant diplômé Luiz Vieira, tous deux à l’UT Austin.