L’IA IBM est on ne peut plus d’actualité dans la mesure où elle va permettre de produire très rapidement deux nouveaux candidats médicaments prometteurs.
La découverte de la pénicilline a été l’une des plus importantes percées scientifiques du XXe siècle. Les infections auparavant mortelles sont devenues facilement traitables. Mais des décennies plus tard, ces avantages commencent à s’estomper.
L’IA IBM permet d’accélérer la recherche
Comme tous les organismes, les bactéries évoluent en fonction de leur environnement. Ainsi, lorsque nous injectons des médicaments dans leur environnement (c’est-à-dire notre corps), ce n’est qu’une question de temps avant que certaines d’entre elles ne découvrent comment se défendre. Avec le temps et l’utilisation d’antibiotiques, les seuls microbes restants seront ceux qui sont génétiquement immunisés contre les médicaments.
C’est la situation dans laquelle nous nous trouvons de plus en plus. Nous n’avons plus que notre dernière ligne de défense. Et, chose inquiétante, même celle-ci commence à faire défaut. En l’absence de nouveaux antibiotiques ou d’autres traitements, les scientifiques prévoient que des infections autrefois mineures pourraient faire jusqu’à 10 millions de victimes par an d’ici 2050.
Pire encore, le développement de nouveaux médicaments prend des années et implique une quantité énorme d’essais et d’erreurs. Les molécules potentielles étant constituées d’innombrables combinaisons chimiques possibles. C’est là qu’intervient l’IA IBM qui est capable de passer les chiffres au crible à notre place.
L’équipe de recherche d’IBM a créé un système d’IA beaucoup plus rapide pour explorer l’ensemble de l’espace des possibilités de configurations moléculaires. Les chercheurs ont d’abord utilisé un modèle appelé « autoencodeur génératif profond ». Il examine essentiellement une série de séquences peptidiques, saisit des informations importantes sur leur fonction et les molécules qui les composent, et recherche des similitudes avec d’autres peptides.
Le Controlled Latent attribute Space Sampling
Ensuite, un système appelé Controlled Latent attribute Space Sampling (CLaSS) est appliqué. Ce système utilise les données recueillies et génère de nouvelles molécules peptidiques dotées de propriétés spécifiques et souhaitées. Dans ce cas, il s’agit de l’efficacité antimicrobienne.
Mais bien sûr, la capacité à tuer les bactéries n’est pas la seule exigence pour un antibiotique. Il doit également être sûr pour l’usage humain. Et, idéalement, fonctionner sur une série de classes de bactéries. Les molécules générées par l’IA sont donc soumises à des classificateurs d’apprentissage profond pour éliminer les combinaisons inefficaces ou toxiques.
En 48 jours, le système d’IA a identifié, synthétisé et expérimenté 20 nouveaux peptides antibiotiques candidats. Deux d’entre eux se sont avérés particulièrement prometteurs. Ils étaient très puissants contre une série de bactéries des deux principales classes (Gram positif et Gram négatif), en perçant des trous dans les membranes externes des insectes.
Dans les cultures cellulaires et les tests sur les souris, ils présentaient également une faible toxicité et semblaient très peu susceptibles d’entraîner une nouvelle résistance aux médicaments chez E. coli.
Les deux nouveaux antibiotiques candidats sont déjà très intéressants en soi. Mais le processus par lequel ils ont été découverts constitue la véritable avancée. Pouvoir développer et tester de nouveaux antibiotiques rapidement et plus efficacement pourrait contribuer à éviter le scénario cauchemardesque d’un retour à une époque où les antibiotiques n’existaient pas.