Une équipe de chercheurs du Laboratoire de science informatique et d’intelligence artificielle du MIT (CSAIL) et de l’Université McMaster a identifié un nouveau composé, l’enterololin, capable de cibler spécifiquement des bactéries impliquées dans les poussées de la maladie de Crohn, tout en préservant la majorité de la flore intestinale. Contrairement aux antibiotiques classiques à large spectre, souvent délétères pour le microbiome, cet agent agit de manière précise, réduisant les inflammations intestinales sans perturber l’équilibre microbien. Cette avancée repose sur une approche innovante combinant criblage à haut débit et intelligence artificielle générative. Le modèle DiffDock, développé par Gabriele Corso et Regina Barzilay au MIT, a permis de prédire en quelques minutes le mécanisme d’action de l’enterololin, une tâche habituellement longue et coûteuse. DiffDock, basé sur un modèle de diffusion probabiliste, a identifié avec précision que l’enterololin se lie à un complexe protéique appelé LolCDE, essentiel au transport des lipoprotéines chez certaines bactéries. Cette prédiction a été confirmée expérimentalement : les souches d’E. coli résistantes à l’enterololin présentaient des mutations dans le gène lolCDE, et des analyses d’expression génique (RNA-seq) ainsi que des expériences de CRISPR ont révélé des perturbations dans les voies de transport des lipoprotéines, validant ainsi le mécanisme prédit. Cette collaboration a réduit le temps de découverte du mécanisme d’action d’environ deux ans à six mois, à un coût réduit, démontrant le potentiel transformateur de l’IA dans la découverte de médicaments. L’enterololin a montré une efficacité supérieure à celle de la vancomycine dans des modèles murins de colite, favorisant une récupération plus rapide et une meilleure stabilité du microbiome. L’entreprise spin-off de Jon Stokes, Stoked Bio, a acquis les droits de développement du composé et travaille à optimiser ses propriétés pour une utilisation humaine. Des dérivés de l’enterololin sont également étudiés contre d’autres pathogènes résistants, comme Klebsiella pneumoniae. Les chercheurs soulignent que cette étude ouvre la voie à une nouvelle génération d’antibiotiques à spectre étroit, capables de traiter les infections sans nuire au microbiome, une avancée cruciale face à la résistance aux antibiotiques. Selon Yves Brun, expert indépendant de l’Université de Montréal, cette étude illustre l’importance croissante de l’IA dans la lutte contre les bactéries résistantes, en fournissant des explications mécanistiques précises et exploitables. DiffDock-L, le code du modèle, a été rendu public sur GitHub, ainsi que les données de séquençage, favorisant la transparence et la collaboration scientifique. Cette synergie entre IA, expérimentation rigoureuse et intuition scientifique pourrait révolutionner la découverte de médicaments pour de nombreuses maladies.