Il y a le mammouth laineux, l'éléphant aux défenses droites, l'ancienne « vache marine », le paresseux géant et l'élan géant. Il s'agit de la congrégation d'animaux disparus « rassemblés » par l'IA à la recherche de nouveaux antibiotiques capables de résoudre les problèmes du siècle comme la résistance aux antimicrobiens. Dans le jargon technique, on appelle cela la « désextinction » moléculaire : il s'agit d'une opération qui vise à « ressusciter » des molécules, notamment certaines protéines précises de ces animaux qui ne sont désormais restées qu'un souvenir dans les livres d'histoire naturelle, sélectionnées avec un apprentissage profond. Les espèces « archivées » au fil du temps se sont révélées être une source prolifique, fournissant des analyses expertes avec des milliers et des milliers de séquences possibles. Entre autres choses, la désextinction moléculaire a déjà produit des candidats antibiotiques précliniques, tels que Neanderthalin-1. Mais l’intervention de l’IA peut encore accroître l’efficacité de la recherche.
Le but de l'opération, illustrée par des scientifiques de l'Université de Pennsylvanie à Philadelphie (États-Unis), est de pêcher dans le passé le plus lointain, en élargissant le champ des possibles au-delà des limites du présent, pour répondre aux enjeux biologiques et biomédicaux d'aujourd'hui. Dans l'étude publiée dans « Nature Biomedical Engineering », il est démontré, expliquent les auteurs, « que l'apprentissage profond peut être utilisé pour extraire les protéomes de tous les organismes éteints disponibles (l'extinction) pour la découverte de peptides antibiotiques ». Fangping Wan, Marcelo DT Torres, Jacqueline Peng et ses collègues « ont formé des ensembles de modèles d'apprentissage profond composés d'un codeur de séquence peptidique couplé à des réseaux neuronaux pour la prédiction de l'activité antimicrobienne ». Nous avons utilisé ce système, poursuit l'équipe, « pour extraire 10 311 899 peptides. Les modèles ont prédit 37 176 séquences ayant une activité antimicrobienne à large spectre, dont 11 035 n'ont pas été trouvées dans les organismes existants ».
À partir de là, poursuivent les scientifiques, « nous avons synthétisé 69 peptides et confirmé expérimentalement leur activité contre les bactéries pathogènes ». Résultat? « La plupart des peptides tuent les bactéries en dépolarisant leur membrane cytoplasmique, contrairement aux peptides antimicrobiens connus, qui ont tendance à cibler la membrane externe. »
Notamment, des composés comprenant la mammuthusine-2 du mammouth laineux, l'éléphasine-2 de l'éléphant aux défenses droites, l'hydrodamine-1 de l'ancienne vache de mer, la mylodonine-2 du paresseux géant et la mégalocérine-1 de l'élan géant éteint ont montré activité anti-infectieuse chez les souris présentant des abcès cutanés ou des infections de la cuisse.
« La désextinction moléculaire aidée par le deep learning peut donc accélérer la découverte de molécules thérapeutiques », concluent les auteurs, rappelant que les infections résistantes aux antibiotiques « provoquent environ 1,27 million de décès chaque année dans le monde et que les projections indiquent un potentiel de 10 millions de décès par an d'ici 2050 dans le monde ». absence de nouveaux médicaments efficaces. Des mesures urgentes sont nécessaires pour lutter contre ce problème de « superbactérie ». Les molécules sont une sorte de « documentation » de l’histoire évolutive et « peuvent fournir des modèles pour la conception thérapeutique ».
« Exhumer » des molécules éteintes nous permet de découvrir un nouvel espace de séquences et « offre une approche prometteuse », rendue multitâche et encore plus performante par l'évolution de l'IA et de l'apprentissage automatique, « pour élargir notre vision de la diversité moléculaire de la vie, en contribuant à en même temps de révéler des éléments qui pourraient jouer un rôle dans l'immunité de l'hôte au cours de l'évolution.
