LEBIGDATA.FR I.A, Cloud & Cybersécurité
Une intelligence artificielle développée par le MIT est parvenue à identifier une molécule efficace contre la superbactérie C.diff très résistante aux antibiotiques existants. Pourtant, sa structure chimique ne ressemble à aucune molécule d'antibiotique existant. C'est la preuve que l'IA peut faire avancer la lutter contre les superbactéries…
Jusqu'à présent, la découverte de nouveaux antibiotiques passait systématiquement par le même processus laborieux. Les biologistes devaient passer de nombreuses heures à analyser des microbes vivant dans le sol pour trouver des propriétés permettant de tuer les bactéries.
Néanmoins, cette méthode a trouvé ses limites face à la propagation des » superbactéries » résistantes aux antibiotiques existants. Selon l'OMS, le nombre de morts provoqués par des infections résistantes aux médicaments pourrait atteindre 10 millions par an en 2050 contre 700 000 à l'heure actuelle. Par chance, l'intelligence artificielle pourrait s'avérer salutaire.
Selon une étude publiée dans le journal Cell, des chercheurs du Massachusetts Institute of Technology (MIT) sont parvenus à utiliser un modèle de Machine Learning pour identifier une molécule capable de contrer certains des plus redoutables pathogènes de la planète.
Cette molécule, l'halicine, testée sur une souris, s'est révélée efficace pour soigner la bactérie gastrointestinale Clostridium difficile (C. diff) qui fait des ravages dans les hôpitaux. Une autre bactérie très résistante causant des infections du sang, des voies urinaires et des poumons a également été vaincue.
Pourtant, la structure de cette molécule est très différente des antibiotiques existants. Elle a été trouvée dans une base de données où elle était initialement identifiée comme un traitement possible pour le diabète. Au total, le modèle de ML du MIT a identifié huit composés antibactériaux dont les structures diffèrent des antibiotiques connus.
L'IA du MIT révèle que l'halicine est efficace contre la superbactérie C.diff
Développé par Regina Barzilay, professeur en informatique et intelligence artificielle au MIT, ce modèle de Machine Learning repose sur un réseau de neurones profond. Le système a été entraîné sur plus de 2500 structures chimiques.
Son grand point fort est sa capacité à apprendre les propriétés chimiques d'une molécule sans supervision humaine pour une fonction spécifique, comme la capacité à tuer une bactérie. C'est ainsi qu'il a pu identifier les propriétés de l'halicine, alors même qu'elle ne ressemble à aucun antibiotique.
Comme l'explique Nigam Shah, professeur d'informatique biomédicale à l'Université de Stanford, » cela revient à montrer à une IA différents moyens de transport, mais pas de scooter électrique. Si cette IA analyse ensuite un scooter électrique, elle pourra déterminer qu'il pourra être utile pour le transport « .
C'est la preuve que le Machine Learning peut se révéler particulièrement utile pour la découverte de nouveaux remèdes. Selon Shah, jamais auparavant cette structure chimique n'aurait été envisagée comme un antibiotique potentiel. Ainsi, » l'espace de recherche s'étend vers de nouvelles dimensions « .
Il faudra maintenant tester cette molécule pour vérifier son efficacité et sa fiabilité sur les humains. Nonobstant, cette étude démontre que le Machine Learning peut permettre d'accélérer la recherche et apporter une aide précieuse aux biologistes. Selon James Collins, co-auteur de l'étude et professeur en bio-ingénierie au MIT, » cette plateforme va réduire le coût de la phase de découverte dans le développement d'antibiotiques « …
- Partager l'article :
