MIT : l'IA identifie 9 candidats contre superbactéries
Face à la montée des infections résistantes aux antibiotiques, une équipe du Massachusetts Institute of Technology, menée par Regina Barzilay et James J. Collins, utilise l’intelligence artificielle pour accélérer la découverte de candidats médicaments. Le duo, spécialiste de l’IA appliquée à la santé et à la biologie synthétique, vient d’obtenir le prix Pritzker 2026 pour la recherche scientifique par l’IA, créé en 2024 par l’Université de Chicago. Il s’agit de la première fois que cette distinction est attribuée à une équipe de recherche. Leur programme Antibiotics-AI a déjà passé en revue plus de 70 milliards de molécules en simulation, mené plus de 38 000 tests antibactériens et réalisé plus de 100 000 analyses sur cellules humaines. Grâce à ces outils, neuf nouveaux candidats antibiotiques ont été identifiés ou conçus. Ces résultats découlent d’une progression méthodologique rapide. En 2020, l’équipe avait démontré que le deep learning pouvait repérer Halicin, une molécule connue mais jamais envisagée comme antibiotique, capable d’agir contre plusieurs bactéries pathogènes chez la souris. En 2023, l’IA a permis d’identifier Abaucin, actif contre Acinetobacter baumannii, un germe hospitalier souvent résistant. En 2024, des modèles explicables ont aidé à comprendre quels motifs chimiques favorisent l’activité antimicrobienne, puis à proposer des composés contre le staphylocoque doré résistant, ou SARM. En 2025, les chercheurs sont passés de la sélection de molécules existantes à la conception active de nouvelles structures. Dans un article publié dans Cell, ils ont utilisé l’IA générative pour inventer des candidats antibiotiques. Une première méthode a associé des fragments chimiquement actifs à des variantes générées par algorithme, produisant NG1, efficace contre des souches résistantes de gonocoque dans un modèle animal, et semblant cibler la protéine LptA. Une seconde approche, plus ouverte, a laissé le modèle créer des molécules inédites, parmi lesquelles DN1 a montré une activité contre le SARM et des effets préliminaires chez la souris. Au total, sur plus de 36 millions de structures générées, 24 ont pu être synthétisées, et sept ont révélé une activité antibactérienne sélective. Parallèlement, une étude publiée dans Science Translational Medicine a utilisé des réseaux de graphes pour filtrer environ 6 millions de composés destinés au gonocoque résistant. Sur 213 candidats retenus, 83 se sont révélés actifs, soit près de 39 %. Deux molécules ont déjà produit des effets dans des modèles animaux et sur des organes sur puce, l’une perturbant la synthèse de la paroi bactérienne. Ces résultats montrent que des modèles spécialisés sur la chimie restent supérieurs aux grands modèles de langage pour ce type de tâche précise. Malgré ces avancées, la voie vers le médicament reste longue. Un rapport de l’Organisation mondiale de la santé publié en 2025 recense 90 produits antimicrobiens en développement clinique, contre 97 en 2023, dont seuls 15 sont jugés innovants. Les candidats issus de l’IA doivent encore franchir les étapes de synthèse, de toxicité, de pharmacocinétique et d’essais cliniques. Le MIT poursuit ses travaux sur sept pathogènes prioritaires, en collaboration avec l’organisation à but non lucratif Phare Bio, afin de transformer ces molécules en traitements utilisables.
