Comment nous utilisons l'IA pour découvrir de nouveaux antibiotiques

Avant la pandémie du coronavirus, le bio-ingénieur Jim Collins et son équipe combinaient la puissance de l'IA et la biologie synthétique dans un effort pour combattre une autre crise imminente : les super-bactéries résistantes aux antibiotiques. Collins explique comment ils ont réorienté leurs efforts pour commencer à développer une série d'outils et de composés antiviraux pour combattre le COVID-19 -- et nous présente leur plan, visant à découvrir sept nouvelles classes d'antibiotiques au cours des sept prochaines années. (Ce plan ambitieux fait partie de « The Audacious projet », l'Initiative de TED pour inspirer et financer le changement global.)

Alors, comment allons-nous battre
ce nouveau coronavirus ?

En utilisant nos meilleurs outils :

notre science et notre technologie.

Dans mon laboratoire,
nous utilisons les outils de l'IA

et de la biologie synthétique

pour accélérer la lutte
contre cette pandémie.

Notre travail a été initialement conçu

pour s'attaquer au problème
de la résistance aux antibiotiques.

Notre projet vise à exploiter le pouvoir
de l'apprentissage automatique

pour réapprovisionner
notre arsenal d'antibiotiques

et éviter la catastrophe planétaire
d'une ère post-antibiotique.

Ce qui est intéressant est
qu'on peut utiliser la même technologie

pour rechercher des composés antiviraux

qui pourraient nous aider
à combattre la pandémie actuelle.

L'apprentissage automatique
va révolutionner le modèle traditionnel

de découverte de médicaments.

Avec cette approche,

au lieu de tester péniblement
des milliers de molécules existantes,

une par une en laboratoire,

pour vérifier leur efficacité,

on peut entraîner un ordinateur à explorer
l'espace exponentiellement plus large

de presque toutes les molécules possibles
qui pourraient être synthétisées,

et donc, au lieu de chercher une
aiguille dans une botte de foin,

nous pouvons utiliser l'aimant géant
de la puissance de calcul

pour trouver beaucoup d'aiguilles dans une
multitude de bottes de foin simultanément.

Nous avons déjà eu
quelques premiers succès.

On a utilisé l'apprentissage automatique
pour découvrir de nouveaux antibiotiques

pour nous aider à combattre
les infections bactériennes

qui peuvent surgir suite
aux infections du SARS-CoV-2.

Il y a deux mois, l'Audacious Projet
de TED nous a octroyé un financement

pour intensifier massivement notre travail

afin de découvrir
sept nouvelles classes d'antibiotiques

contre sept des bactéries
les plus mortelles au monde

au cours des sept prochaines années.

Pour vous donner une idée :

le nombre de nouvelles
classes d'antibiotiques

découvertes au cours
des 30 dernières années est zéro.

La rechercher de nouveaux antibiotiques
est notre objectif à moyen terme,

mais le nouveau coronavirus pose
une menace mortelle immédiate.

Je suis fier d'annoncer que nous pensons
pouvoir utiliser la même technologie

pour rechercher des thérapies
pour combattre ce virus.

Comment allons-nous faire ?

On est en train de créer une librairie
d'entrainement sur les composés

et, avec des collaborateurs
qui appliquent ces molécules

aux cellules infectées par le SARS-CoV-2,

nous allons voir lesquelles d'entre elles
présentent une activité efficace.

Ces données serviront pour entraîner
un modèle d'apprentissage automatique

à appliquer à une bibliothèque in silico
de plus d'un milliard de molécules

pour rechercher de potentiels
nouveaux composés antiviraux.

Nous synthétiserons et testerons
ceux avec les meilleures prédictions

pour passer aux études cliniques
avec les plus prometteurs.

Trop beau pour être vrai ?

Eh bien, ça ne devrait pas.

Le projet Antibiotics AI est basé
sur notre recherche « preuve de concept »

qui a conduit à la découverte d'un nouvel
antibiotique à large spectre,

appelé halicine.

L'halicine exerce
une puissante activité antibactérienne

contre presque tous les pathogènes
bactériens résistant aux antibiotiques,

y compris les infections pan-résistantes
non traitables.

Et surtout, contrairement
aux antibiotiques actuels,

la fréquence à laquelle les bactéries
développent une résistance à l'halicine

est particulièrement réduite.

Nous avons testé la capacité des bactéries
à développer une résistance à l'halicine

aussi bien qu'à la cipro en laboratoire.

Dans le cas de la cipro,

après juste un jour, nous avons
remarqué une résistance.

Dans le cas de l'halicine,

après un jour, nous n'avons vu
aucune résistance.

Mais ce qui est étonnant,
c'est que même après 30 jours,

nous n'avons vu aucune résistance
à l'halicine.

Pour ce projet pilote,
nous avons d'abord testé

environ 2 500 composés contre l'E. coli.

Ce lot d'apprentissage incluait
les antibiotiques connus,

comme la cipro et la pénicilline,

ainsi que de nombreux médicaments
non antibiotiques.

Nous avons utilisé ces données
pour entraîner un modèle

sur les caractéristiques moléculaires
liées à l'activité antibactérienne.

Nous l'avons ensuite appliqué

à une bibliothèque
de réemploi des médicaments

comprenant des milliers de molécules

et demandé au modèle d'identifier celles

qui étaient présumées avoir
des propriétés antibactériennes

mais qui ne ressemblaient pas
aux antibiotiques existants.

Or, une seule molécule de cette
librairie respectait ces critères,

et cette molécule était l'halicine.

Étant donné que l'halicine ne ressemblait
à aucun antibiotique existant,

il aurait été impossible pour un humain,
même un expert en antibiotiques,

d'identifier l'halicine de cette manière.

Imaginez donc ce qu'on peut réaliser
avec cette technologie

contre le SARS-CoV-2.

Et ce n'est pas tout.

Nous utilisons aussi les outils
de la biologie synthétique,

bricolant l'ADN et d'autres
mécanismes cellulaires,

pour poursuivre nos objectifs humains,
comme la lutte contre le COVID-19.

Par exemple, nous travaillons pour
développer un masque de protection

qui puisse aussi servir
d'outil de diagnostic rapide.

Comment ça marche ?

Nous avons récemment montré

qu'on peut prendre le mécanisme
cellulaire d'une cellule vivante

et le lyophiliser avec des
capteurs d'ARN sur du papier

afin de créer des outils de diagnostic
à faible coût pour l'Ebola et le Zika.

Les capteurs sont activés quand ils sont
réhydratés par un échantillon du patient

comme par exemple du sang ou de la salive.

Il s'avère que cette technologie
n'est pas limitée au papier

et peut être appliquée à d'autres
matériaux, y compris le tissu.

Pour la pandémie de COVID-19,

nous travaillons pour réaliser
de capteurs ARN pour détecter le virus

et les lyophiliser avec
le mécanisme cellulaire nécessaire

dans le tissu d'un masque,

où le simple fait de respirer,

grâce à la vapeur d'eau,

peut activer le test.

Ainsi, si un patient est infecté
par le SARS-CoV-2,

le masque produira un signal fluorescent

qui pourrait être détecté par un simple
appareil portable et pas cher.

En une ou deux heures, on pourrait
ainsi diagnostiquer un patient,

sûrement, à distance et avec précision.

Nous utilisons aussi
la biologique synthétique

pour développer un possible vaccin
contre le COVID-19.

Nous retravaillons le vaccin BCG,

qui a été utilisé pendant presque 100 ans
contre la tuberculose.

C'est un vaccin vivant atténué,

et nous le retravaillons pour lui faire
exprimer les antigènes du SARS-CoV-2,

ce qui devrait déclencher la production
d'anticorps protecteurs

par le système immunitaire.

En plus, le BCG peut être produit
en énormes quantités

et son profil de sécurité est l'un
des meilleurs de tous les vaccins connus.

Avec les outils de la biologie synthétique
et de l'intelligence artificielle,

nous pouvons gagner la lutte
contre le nouveau coronavirus.

Ce travail en est à ses débuts,
mais la promesse est réelle.

Science et technologie peuvent nous donner
un important avantage

dans la bataille des cerveaux humains
contre les gènes des super-bactéries,

une bataille que nous pouvons remporter.

Merci.