Des chimistes et des informaticiens ont collaboré pour utiliser l'intelligence artificielle afin de découvrir de nouveaux désinfectants capables de contrer l'émergence redoutable de « super-bactéries » résistantes aux traitements. Cette équipe, dirigée par les professeurs Bill Wuest de l'Université Emory et Liang Zhao du département d'informatique de la même institution, a développé un cadre méthodologique associant simulations computationnelles et expérimentations chimiques. Leur objectif était de concevoir de nouveaux composés d'ammonium quaternaire, communément appelés QAC, qui sont les ingrédients actifs principaux de la majorité des produits antimicrobiens depuis plus d'un siècle. Face à l'évolution rapide des bactéries, qui développent des mécanismes de défense contre ces désinfectants, le processus traditionnel de découverte de nouvelles molécules, lent et empirique, atteint ses limites. Pour pallier ce problème, Liang Zhao a mis en place un modèle d'apprentissage automatique capable de générer des milliers de designs moléculaires en une seule fois, contre un à la fois avec les méthodes classiques. Le projet a vu la participation de plusieurs laboratoires, notamment ceux d'Amarda Shehu de l'Université George Mason et de Kevin Minbiole de l'Université Villanova, afin de combiner expertise en biochimie computationnelle et synthèse chimique. Les chercheurs ont constitué une base de données unique de plus de 600 QAC existants, soigneusement standardisés, pour entraîner l'algorithme. Le modèle, conçu comme un problème géométrique où les atomes sont des nœuds et les liaisons des arêtes, a d'abord généré environ 300 structures. Après un filtrage humain rapide, seulement 9 % de ces molécules s'avéraient prometteuses pour une synthèse. Une deuxième itération a permis d'optimiser la méthode en se concentrant uniquement sur les composés actifs contre quatre souches bactériennes pathogènes spécifiques. Cette raffinement a considérablement amélioré l'efficacité de l'IA, faisant passer le taux de candidats valables de 9 % à 38 % et éliminant totalement les sorties biologiquement invalides. Sur la base de ces recommandations, les chimistes ont sélectionné 29 molécules à synthétiser et à tester en laboratoire. Les résultats ont été probants : l'IA a permis d'identifier 11 nouveaux QAC capables d'inhiber la croissance de bactéries pathogènes, dont certaines résistantes. L'un de ces composés se distingue particulièrement par son activité large contre sept souches bactériennes, y compris les bactéries à gram négatif, réputées pour être les plus difficiles à éradiquer en raison de leur double membrane protectrice. Selon Bill Wuest, cette étude marque la première fois que l'intelligence artificielle est utilisée spécifiquement pour générer des molécules destinées à servir de désinfectants. Au-delà de la découverte de nouveaux agents de nettoyage, la méthodologie établit un modèle de collaboration interdisciplinaire qui pourrait être appliqué à d'autres domaines scientifiques. Les équipes sont d'ores et déjà intéressées par le secteur privé pour accélérer la découverte de nouveaux produits de santé. Parallèlement, ce travail offre aux étudiants des opportunités pratiques de synthèse et de test, favorisant ainsi l'émergence de nouvelles découvertes et le renforcement des compétences dans ce secteur crucial de la recherche biomédicale.