Outil IA: 85% des candidats antibiotiques tests réussis

Des chercheurs de l'Université de Pennsylvanie ont développé une nouvelle méthode appelée ApexGO, une approche d'intelligence artificielle capable de transformer des candidats antibiotiques imparfaits en molécules hautement efficaces. Contrairement aux systèmes précédents qui scanteraient de vastes bases de données pour trouver des molécules, ApexGO prend un candidat prometteur existant et l'améliore étape par étape. Grâce à un algorithme prédictif, il évalue chaque modification proposée et guide l'IA vers des versions plus performantes. L'annonce de cette percée a été faite par l'équipe de recherche publiée dans la revue Nature Machine Intelligence. Le professeur César de la Fuente, co-auteur principal, explique que la découverte d'antibiotiques est fondamentalement un problème de recherche dans un espace moléculaire immense. ApexGO offre une méthode directionnelle pour naviguer dans cet espace. Le processus commence avec un peptide, une courte chaîne d'acides aminés, et propose des modifications précises pour optimiser son activité antimicrobienne. Les tests en laboratoire ont validé l'efficacité de l'outil avec des résultats remarquables : 85 % des molécules générées par l'IA ont réussi à stopper la croissance bactérienne chez des bactéries pathogènes. De plus, 72 % de ces nouveaux peptides ont surpassé les versions originales à partir desquelles ils avaient été dérivés. L'efficacité d'ApexGO a également été confirmée sur des modèles animaux. Dans des essais sur des souris, deux peptides conçus par le système ont réduit les comptages bactériens à des niveaux comparables à ceux de la polymyxine B, un antibiotique approuvé par la FDA réservé aux infections multirésistantes. Jacob Gardner, co-auteur principal, souligne la robustesse des prédictions. Une inquiétude courante dans ce domaine est que l'IA pourrait concevoir des molécules qui semblent excellentes sur le modèle informatique mais échouent en réalité. Ici, la majorité des molécules conçues ont effectivement fonctionné en laboratoire. L'outil combine deux technologies : un modèle précédent nommé APEX qui prédit si un peptide possède des propriétés antimicrobiennes, et une méthode d'optimisation bayésienne développée par le laboratoire de Gardner pour explorer efficacement les solutions possibles. Cette approche marque un changement de paradigme dans la découverte de médicaments. Pendant des décennies, les antibiotiques ont été trouvés par hasard, comme la pénicilline. Aujourd'hui, l'espace de tous les peptides antimicrobiens possibles est si vaste qu'il est impossible d'explorer chaque variante par essais et erreurs manuels. ApexGO permet de réaliser en quelques mois ce qui prendrait des années, identifiant des centaines de candidats potentiels. Les chercheurs estiment que si le processus était prolongé, des milliers de nouveaux candidats pourraient être découverts. Bien que ces résultats soient prometteurs, les scientifiques insistent sur le fait que ces peptides en sont encore à un stade précoce. Avant toute utilisation clinique chez l'homme, ils devront subir des tests supplémentaires pour garantir leur sécurité, leur stabilité et leur durée d'action dans l'organisme. Néanmoins, cette étude démontre que l'IA peut non seulement prédire l'efficacité des molécules mais aussi les optimiser activement. Cette méthodologie pourrait être étendue à d'autres fonctions biologiques, comme la modulation du système immunitaire ou le ciblage de tumeurs. À une époque où la résistance aux antibiotiques s'aggrave mondialement, des outils comme ApexGO représentent une étape cruciale pour accélérer le passage d'une idée à un candidat thérapeutique réel.