Integrated Biosciences découvre de nouveaux antibiotiques efficaces pour tuer le SARM et d'autres germes à l'aide d'un logiciel de découverte de médicaments par l'IA

Integrated Biosciences annonce une publication dans Nature identifiant une nouvelle classe d'antibiotiques découverts grâce à la plateforme d'IA de l'entreprise

La publication valide l'utilisation de l'apprentissage profond explicable dans la découverte de médicaments et identifie une nouvelle classe d'antibiotiques, l'une des rares en 60 ans

La résistance aux antimicrobiens est une crise de santé publique qui devrait tuer 10 millions de personnes par an dans le monde d'ici 2050, et le SARM tue à lui seul plus de 10 000 personnes chaque année aux États-Unis. Les chercheurs d'Integrated Biosciences ont découvert la toute première classe d'antibiotiques identifiée à l'aide d'une nouvelle intelligence artificielle explicable. Ces antibiotiques tuent spécifiquement et puissamment le SARM et d'autres bactéries pathogènes. (Photo : Business Wire)

20 décembre 2023 11:00 AM Eastern Standard Time (heure normale de l'Est)

SAN CARLOS, Californie --(BUSINESS WIRE)--Integrated Biosciences, une société de biotechnologie pionnière dans l'utilisation de la biologie synthétique et de l'apprentissage automatique pour développer des traitements de nouvelle génération pour les maladies liées à l'âge, a annoncé aujourd'hui la publication dans la revue Nature d'un manuscrit évalué par les pairs détaillant l'application de sa plateforme dans la découverte d'une nouvelle classe d'antibiotiques à petites molécules capables de s'attaquer à la résistance aux antibiotiques. Cette découverte représente l'une des premières nouvelles classes d'antibiotiques au cours des 60 dernières années et est la première découverte réalisée à l'aide d'une plateforme alimentée par l'IA et fondée sur l'apprentissage profond explicable. L'article, intitulé "Discovery of a structural class of antibiotics with explainable deep learning" (Découverte d'une classe structurelle d'antibiotiques grâce à l'apprentissage profond explicable), a été rédigé par une équipe de 21 chercheurs, dirigée par Felix Wong, cofondateur d'Integrated Biosciences, et James J. Collins, professeur Termeer d'ingénierie médicale et de sciences au MIT et président fondateur du conseil consultatif scientifique d'Integrated Biosciences.

Parmi les autres collaborateurs figurent des chercheurs du Massachusetts Institute of Technology (MIT), du Broad Institute du MIT et de Harvard, du Wyss Institute for Biologically Inspired Engineering et de l'Institut Leibniz de recherche sur les polymères de Dresde, en Allemagne. Dans leur étude, les chercheurs ont passé au crible plus de 12 millions de composés candidats pour identifier cette nouvelle classe d'antibiotiques.

"Cette découverte d'une nouvelle classe d'antibiotiques est un résultat révolutionnaire qui montre que l'intelligence artificielle et l'apprentissage profond explicable sont uniquement capables de catalyser la découverte de médicaments", a déclaré le Dr Wong. "Notre travail met à la disposition du public plusieurs modèles très puissants pour prédire avec précision à la fois l'activité et la toxicité des antibiotiques. Il est important de noter qu'il s'agit de l'une des premières démonstrations que les modèles d'apprentissage profond peuvent expliquer ce qu'ils prédisent, ce qui a des implications immédiates et profondes sur la façon dont la découverte de médicaments est effectuée et sur l'efficacité avec laquelle nous pouvons trouver de nouveaux médicaments en utilisant l'IA."

Satotaka Omori, Ph.D., membre fondateur et responsable de la biologie du vieillissement chez Integrated Biosciences, et auteur contribuant à la publication, a déclaré : "Une implication importante de cette étude est que les modèles d'apprentissage profond dans la découverte de médicaments peuvent, et dans de nombreux cas devraient, être rendus explicables. Bien que l'IA continue d'avoir un impact, elle est également limitée par les nombreux modèles de boîte noire qui sont couramment utilisés et qui obscurcissent le processus de prise de décision sous-jacent. En ouvrant ces boîtes noires, nous visons à créer des connaissances plus généralisables qui pourraient être plus utiles pour accélérer l'utilisation et le développement d'approches de nouvelle génération pour la découverte de médicaments"

Dans cette approche révolutionnaire, l'équipe de chercheurs a entraîné des modèles d'apprentissage profond sur des données générées expérimentalement pour prédire l'activité antibiotique et la toxicité de n'importe quel composé. S'inspirant de l'IA utilisée dans d'autres contextes, notamment la technologie de jeu AlphaGo de DeepMind, les auteurs ont conçu de nouveaux modèles pour expliquer quelles parties d'une molécule étaient importantes pour l'activité antibiotique. Il en est résulté une nouvelle classe d'antibiotiques ayant une puissante activité contre les agents pathogènes multirésistants. Dans une série d'expériences, les chercheurs ont testé un antibiotique candidat sur des modèles murins d'infection à SARM et ont constaté qu'il était efficace à la fois par voie topique et systémique, ce qui indique que le composé pourrait faire l'objet d'un développement ultérieur en tant que traitement des infections bactériennes graves et liées à la septicémie.

"Il s'agit d'une validation importante de l'importance de l'intégration de l'IA et de l'apprentissage profond explicable pour surmonter certains des défis les plus contrariants de la médecine, en l'occurrence la résistance aux antibiotiques", a déclaré le Dr Collins. "En s'appuyant sur ces études de validation et sur des approches similaires, l'équipe d'Integrated Biosciences est prête à accélérer encore son intégration de la biologie synthétique et d'une compréhension approfondie du stress cellulaire pour répondre à un important besoin non satisfait de nouveaux traitements ciblant les maladies liées à l'âge."

"Dans toute classe de médicaments, il y a souvent des problèmes persistants qui ont limité le développement clinique. Une innovation clé de cette étude était que nous pouvions nous tourner vers l'apprentissage profond explicable pour nous aider à aborder des problèmes spécifiques, tels que la résistance et la toxicité, et à trouver des solutions rapidement", a déclaré le Dr Wong.

Alicia Li, associée de recherche chez Integrated Biosciences et auteure contribuant à la publication, a ajouté : "Il est vraiment passionnant de voir comment nous avons pu démontrer une nouvelle façon de prédire l'utilité d'un composé en tant qu'antibiotique, la probabilité que le composé progresse dans les essais de phase I, et si oui ou non le composé est l'un des nombreux autres membres potentiels d'une nouvelle classe de médicaments."

Integrated Biosciences a constitué un corpus de recherche qui, outre cette nouvelle publication de Nature, comprend un article de Nature Aging publié en mai démontrant comment l'IA peut être utilisée pour découvrir de nouveaux sénolytiques, des composés antivieillissement qui éliminent sélectivement les cellules sénescentes "zombies". Ces composés se sont révélés prometteurs dans leur capacité à traiter les maladies liées à l'âge, telles que la fibrose, l'inflammation et le cancer. Un article de Cell Systems publié en juillet fait état d'une plateforme basée sur la biologie synthétique qui permet à l'homme de contrôler les réponses au stress associées au vieillissement, ce qui permet d'accélérer les criblages de médicaments pour cibler le vieillissement.

La publication, "Discovery of a structural class of antibiotics with explainable deep learning" (Découverte d'une classe structurelle d'antibiotiques grâce à l'apprentissage profond explicable), peut être consultée sur le site web de Nature à l'adresse suivante : www.nature.com/articles/s41586-023-06887-8.

À propos d'Integrated Biosciences

Integrated Biosciences est une société de biotechnologie émergente, pionnière de nouvelles approches combinant la biologie synthétique et la découverte de petites molécules pilotée par l'IA pour produire des traitements de nouvelle génération ciblant les maladies liées à l'âge. La société a été fondée en 2022 par Felix Wong, Ph.D., et Max Wilson, Ph.D., scientifiques formés au MIT, à Harvard et à Princeton. Ses conseillers scientifiques sont James J. Collins, docteur en médecine, professeur de génie médical et de sciences au MIT, Sir David W. C. MacMillan, lauréat du prix Nobel de chimie en 2021, et James S. McDonnell, professeur distingué de chimie à l'université de Princeton. Les investisseurs d'Integrated Biosciences comprennent Root Ventures, Mission BioCapital, Conscience VC, Reinforced Ventures et Polymath Capital. Pour plus d'informations, visitez le site : www.integratedbiosciences.com.

Contacts

Médias :
Anthony Petrucci
Bioscribe
512-581-5442
[email protected]