1
énergie
Qu'est-ce que l'énergie?
0 commentaires
Un algorithme d’apprentissage profond a aidé les scientifiques à identifier de nouveaux composés efficaces contre les bactéries résistantes aux antibiotiques – une menace pour la santé publique qui provoque des milliers de décès chaque année.
Alors que les médecins s'inquiètent du fait que les antibiotiques sont devenus de plus en plus inefficaces depuis que Fleming a purifié la pénicilline pour la première fois en 1928, la récente découverte d'un composé capable de tuer les bactéries résistantes aux médicaments responsables de des milliers de morts chaque année dans le monde est la bienvenue.
Grâce à un algorithme d'apprentissage profond, les scientifiques pourraient identifier le premier nouvel antibiotique depuis plus d'un demi-siècle, démontrant ainsi le potentiel de l'intelligence artificielle dans le domaine médical et proposant une solution au problème. résistance aux antibiotiques, qui constitue l’une des plus grandes menaces mondiales pour la santé humaine.
Pour affiner la sélection de cette nouvelle classe de candidats antibiotiques, une équipe du laboratoire de James Collins du Broad Institute du Massachusetts Institute of Technology et de l'Université Harvard a utilisé un type d’IA connu sous le nom d’apprentissage profond pour tester l’activité antibiotique de 12 millions de composés.
Après les avoir analysés via des simulations informatiques, les modèles d’IA formés ont ensuite trouvé 3646 XNUMX composés dotés de propriétés médicamenteuses idéales.
.@delafuenteupenn a expliqué comment l'intelligence artificielle (#AI) peut aider à guider le développement de nouveaux #antibiotiques, y compris de nouvelles découvertes qui utilisent le concept d’apprentissage profond pour découvrir de nouveaux antibiotiques, une pratique employée par le laboratoire de de la Fuente. @sciam https://t.co/eFGmY0ZLHo
– Penn Médecine (@PennMedicine) 26 décembre 2023
Des calculs supplémentaires ont identifié les sous-structures chimiques qui pourraient expliquer les propriétés de chaque composé (à savoir s’ils sont nocifs ou non pour le corps humain), que les scientifiques ont comparées avant d’en tester 238 sur des souris.
Ce faisant, ils ont découvert cinq substances non toxiques différentes qui se sont montrées très prometteuses contre les maladies résistantes à la méthicilline. Staphylococcus aureus (MRSA) et résistant à la vancomycine Entérocoque – qui font partie des agents pathogènes les plus difficiles à tuer que nous connaissons.
« Notre objectif dans cette étude était d’ouvrir la boîte noire », déclare Félix Wang, un auteur du étude qui a été publié dans Nature le mois dernier.
«Nos modèles [IA] nous indiquent non seulement quels composés ont une activité antibiotique sélective, mais aussi pourquoi, en termes de structure chimique.»
Ce développement s'appuie sur des recherches antérieures sur le pouvoir de la technologie pour lutter contre la crise actuelle de la résistance aux antibiotiques.
Dans le cas du deep learning, les scientifiques l’utilisent de plus en plus pour accélérer l’identification de candidats médicaments potentiels, prédire leurs propriétés et optimiser le processus de livraison aux patients qui en ont besoin.
«Ces modèles consistent en un très grand nombre de calculs qui imitent les connexions neuronales, et personne ne sait vraiment ce qui se passe sous le capot», poursuit Wong.
"Notre travail fournit un cadre efficace en termes de temps, d'utilisation des ressources et de mécanisme, du point de vue de la structure chimique, d'une manière que nous n'avons pas eu jusqu'à présent."
