Identification de nouveaux antibiotiques par réseaux neuronaux
De nouveaux antibiotiques ont été trouvés pour aider à combattre les bactéries résistantes en utilisant l'intelligence artificielle. Ces composés ont démontré chez les souris leur efficacité face aux Staphylococcus aureus résistants à la méthicilline (MRSA) et ont observé une toxicité très faible pour les cellules humaines. Les résultats ont été publiés dans la revue Nature.
Des chercheurs du MIT ont formé un modèle d'apprentissage approfondi avec des informations sur l'effet antibiotique et la structure chimique de 39 000 composés. En outre, ils ont formé trois autres modèles pour prédire que les composés étaient toxiques pour trois types de cellules humaines. Avec cette batterie de modèles, 12 millions de composés disponibles sur le marché ont été analysés. Ainsi, cinq types de composés ont été identifiés qui, en fonction de leur structure chimique, pourraient être efficaces contre le MRSA.
Près de 280 composés de ce type ont été testés en laboratoire et il a été constaté que deux composés du même type pouvaient être très bons candidats à la lutte contre le SARM, car ils avaient réussi à réduire de 10 fois la population de ces bactéries. Des expériences ont montré que ces composés tuent des bactéries parce qu'ils les empêchent de maintenir le gradient électrochimique de la membrane. Elles n'affectent que les membranes bactériennes et non les cellules humaines.
En outre, l'une des innovations les plus importantes de la recherche est que les chercheurs ont réussi à extraire les informations et le raisonnement que le système d'apprentissage en profondeur a utilisés pour prédire la capacité antibiotique des composés. Car jusqu'à présent, l'un des problèmes de ces systèmes était qu'ils fonctionnaient comme une boîte noire. Et cette information pourrait être très utile pour concevoir des antibiotiques encore plus efficaces, par exemple
Zu idazle
Zientzia aldizkaria
