Le MIT utilise l'IA générative pour développer deux nouveaux antibiotiques ciblant la gonorrhée résistante aux médicaments et le SARM

Massachusetts Institute of Technology (MIT) Des chercheurs du MIT ont utilisé l’IA pour développer deux nouveaux antibiotiques efficaces contre la gonorrhée résistante aux médicaments et le SARM, offrant potentiellement de nouvelles stratégies pour lutter contre les infections responsables de millions de décès chaque année. 

En exploitant des algorithmes d'IA générative, l'équipe a créé plus de 36 millions de composés potentiels et les a analysés par ordinateur pour déterminer leur activité antimicrobienne. Les candidats les plus prometteurs présentent une structure unique par rapport aux antibiotiques existants et semblent agir par des mécanismes inédits de perturbation des membranes cellulaires bactériennes. Cette méthode a permis de générer et d'évaluer des composés entièrement nouveaux, et les chercheurs prévoient d'étendre cette approche à concevoir des antibiotiques ciblant d’autres espèces bactériennes. 

La plupart des nouveaux antibiotiques approuvés au cours des 45 dernières années sont des variantes de médicaments existants, tandis que la résistance bactérienne continue d’augmenter, causant près de 5 millions de décès par an. 

Pour résoudre ce problème, le projet Antibiotics-AI du MIT a utilisé l'IA pour explorer à la fois des composés existants et des molécules hypothétiques entièrement nouvelles. À l'aide de modèles d'apprentissage automatique entraînés à prédire l'activité antibactérienne, l'équipe a d'abord analysé des millions de fragments chimiques, éliminant ceux susceptibles d'être toxiques ou similaires aux antibiotiques existants. 

Ils ont ensuite appliqué deux méthodes génératives d'algorithmes d'IA CReM, qui modifie les molécules par ajout, remplacement ou suppression d'atomes et de groupes, et F-VAE, qui construit des molécules complètes à partir de fragments basés sur des modèles chimiques appris. Ce processus, piloté par l'IA, a généré environ 7 millions de molécules candidates, dont l'activité contre N. gonorrhoeae a été analysée informatiquement. 

À partir de là, environ 1,000 80 composés ont été présélectionnés, 1 étaient synthétiquement réalisables et un composé, NGXNUMX, a démontré une activité puissante contre N. gonorrhoeae résistant aux médicaments dans des études en laboratoire et sur des souris en ciblant une protéine essentielle à la synthèse de la membrane bactérienne, représentant un nouveau mécanisme d'action.

Une étude de deuxième cycle utilise l'IA générative pour explorer un nouvel espace chimique

Dans une étude de suivi, les chercheurs ont exploité l'IA générative pour concevoir des molécules entièrement nouvelles ciblant la bactérie Gram-positive S. aureus. Grâce aux algorithmes CReM et F-VAE, l'équipe a permis à l'IA de générer des composés sans contrainte de fragmentation, guidée uniquement par les règles chimiques régissant les combinaisons d'atomes. 

Cette approche basée sur l'IA a produit plus de 29 millions de molécules candidates. L'équipe a ensuite appliqué des filtres informatiques pour éliminer les composés jugés toxiques, instables ou similaires aux antibiotiques existants, réduisant ainsi le pool à environ 90 candidats viables. 

Parmi les 22 molécules synthétisées et testées, six ont montré une forte activité antibactérienne contre S. aureus multirésistant lors d'essais en laboratoire. Le composé phare, DN1, a éliminé avec succès les infections cutanées à SARM dans un modèle murin. 

La capacité de l’IA à explorer de manière autonome un vaste espace chimique a permis la découverte de molécules dotées de mécanismes nouveaux, perturbant largement les membranes cellulaires bactériennes plutôt que de cibler une seule protéine. 

Phare Bio, partenaire à but non lucratif du projet Antibiotics-AI, optimise actuellement NG1 et DN1 pour de futures études précliniques. L'équipe de recherche prévoit d'appliquer ces plateformes de conception pilotées par l'IA à d'autres agents pathogènes, notamment Mycobacterium tuberculosis et Pseudomonas aeruginosa.

Alors que la résistance bactérienne continue de dépasser les traitements existants, l’étude démontre que l’IA peut explorer des domaines jusqu’alors inexplorés de l’espace chimique, offrant des opportunités de faire passer le développement d’antibiotiques de réponses réactives à une conception stratégique et proactive.