Depuis les années 1970, la découverte des antibiotiques modernes connaît une accalmie. Aujourd'hui, l'Organisation mondiale de la santé a déclaré la crise de la résistance aux antimicrobiens comme l’une des 10 principales menaces mondiales pour la santé publique.
Lorsqu’une infection est traitée de manière répétée, les cliniciens courent le risque que les bactéries deviennent résistantes aux antibiotiques. Mais pourquoi une infection réapparaîtrait-elle après un traitement antibiotique approprié ? Une possibilité bien documentée est que les bactéries deviennent métaboliquement inertes, échappant à la détection des antibiotiques traditionnels qui répondent uniquement à l’activité métabolique. Une fois le danger passé, les bactéries reprennent vie et l’infection réapparaît.
« La résistance s'accentue avec le temps, et les infections récurrentes sont dues à cette latence », explique Jackie Valeri, une ancienne Boursier MIT-Takeda (centrée au sein de la clinique MIT Abdul Latif Jameel pour l'apprentissage automatique en santé) qui a récemment obtenu son doctorat en génie biologique au Collins Lab. Valeri est le premier auteur de un nouveau papier publié dans le numéro imprimé de ce mois-ci de Biologie chimique cellulaire cela démontre comment l’apprentissage automatique pourrait aider à sélectionner des composés mortels pour les bactéries dormantes.
Les histoires de résilience bactérienne « semblable à celle d’un dormeur » ne sont pas une nouveauté pour la communauté scientifique : d’anciennes souches bactériennes remontant à 100 millions d’années ont été découvertes. découvert ces dernières années vivant dans un état économe en énergie sur le fond marin de l’océan Pacifique.
Le professeur des sciences de la vie de la MIT Jameel Clinic, directeur James J. Collins, professeur Termeer de génie médical et de sciences à l'Institut de génie médical et de sciences et au département de génie biologique du MIT, a récemment fait la une des journaux pour avoir utilisé l'IA pour découvrir une nouvelle classe d'antibiotiques, ce qui fait partie de la mission plus large du groupe consistant à utiliser l'IA pour élargir considérablement la gamme d'antibiotiques existants disponibles.
Selon un article publié par La Lancetteen 2019, 1,27 million de décès auraient pu être évités si les infections avaient été sensibles aux médicaments, et l’un des nombreux défis auxquels les chercheurs sont confrontés est de trouver des antibiotiques capables de cibler les bactéries métaboliquement dormantes.
Dans ce cas, les chercheurs du Collins Lab ont utilisé l’IA pour accélérer le processus de découverte des propriétés antibiotiques de composés médicamenteux connus. Avec des millions de molécules, le processus peut prendre des années, mais les chercheurs ont pu identifier un composé appelé semapimod en un week-end, grâce à la capacité de l'IA à effectuer un criblage à haut débit.
Les chercheurs ont découvert que le sémapimod, un médicament anti-inflammatoire généralement utilisé pour traiter la maladie de Crohn, était également efficace contre la maladie en phase stationnaire. Escherichia coli et Acinetobacter baumannii.
Une autre révélation a été la capacité du sémapimod à perturber les membranes des bactéries dites « Gram-négatives », connues pour leur haute résistance intrinsèque aux antibiotiques en raison de leur membrane externe plus épaisse et moins pénétrable.
Des exemples de bactéries à Gram négatif comprennent E. coli, A. baumannii, Salmonelleet Pseudomonispour lesquels il est difficile de trouver de nouveaux antibiotiques.
« L'une des façons dont nous avons compris le mécanisme du sema (sic) était que sa structure était vraiment grande et qu'elle nous rappelait d'autres choses qui ciblent la membrane externe », explique Valeri. « Lorsque vous commencez à travailler avec un grand nombre de petites molécules… à nos yeux, c'est une structure assez unique. »
En perturbant un composant de la membrane externe, le sémapimod sensibilise les bactéries Gram-négatives aux médicaments qui ne sont généralement actifs que contre les bactéries Gram-positives.
Valeri se souvient d'une citation d'un article de 2013 publié dans Tendances Biotechnologie: « Pour les infections à Gram positif, nous avons besoin de meilleurs médicaments, mais pour les infections à Gram négatif, nous avons besoin de n'importe quel médicament. »