L'IA « Free » met au point un nouveau tueur d'E. coli
Le modèle a conçu les génomes des phages de bout en bout, sans que les chercheurs n'aient à intervenir manuellement sur la séquence.
Annonces
En science, le suffixe « phage » signifie « dévorer ». Ainsi, le nom « bactériophage » peut évoquer des images de minuscules créatures qui « mangent » les bactéries. Bien que cette conception ne soit pas scientifiquement exacte à 100 %, les bactériophages n’en restent pas moins des tueurs de bactéries redoutables, et les scientifiques s’enthousiasment à l’idée de manipuler l’ADN des phages pour mettre au point de nouveaux antibiotiques.
C’est ainsi que l’ingénieur chimiste Brian Hie et Samuel King, étudiant en master de bio-ingénierie, en sont venus à étudier le bactériophage ΦX174 (prononcé « FYE-ex-1-7-4 »). Brian Hie, maître de conférences en génie chimique et boursier de la Fondation Dieter Schwarz au sein du département de science des données de Stanford, a créé Evo 2, un modèle d’IA générative qui résout des défis biologiques complexes en proposant de nouvelles séquences d’ADN. À partir d’un fragment minuscule d’ADN du ΦX174, Evo 2 se met au travail pour écrire des génomes inédits de nouveaux phages capables de tuer des bactéries – en l’occurrence, la bactérieE. coli, qui peut être mortelle lorsque l’infection s’aggrave.
Jusqu’à récemment, Evo 2 était principalement confiné à l’ordinateur, mais dans un nouvel article, Hie et King l’ont transposé dans un laboratoire réel. À partir des génomes créés par Evo 2, ils ont synthétisé près de 300 nouveaux phages et testé leur efficacité contreE. coli. Ils ont ensuite réduit cette liste à une poignée de 16 phages particulièrement efficacespour tuer E. coli.
« Dans ce cas précis, nous voulions que le modèle génère l’intégralité du génome de bout en bout en un seul passage de gauche à droite. Nous n’avons rien ajouté », explique Hie à propos du processus qui a produit des milliers d’options pour son équipe. « Lors des tests en laboratoire, certaines des suggestions d’Evo présentaient une aptitude supérieure à celle du ΦX174 natif. »
Antibiotiques résistants à la résistance
Hie et King ont choisi le ΦX174 car son génome complet mesure moins de 6 000 paires de bases. Comparé aux 3 milliards de paires de bases du génome humain, le génome du ΦX174 est relativement simple. Mais sa capacité à tuer les bactéries en fait néanmoins un cas d’étude intéressant pour tester les capacités de conception d’Evo 2.
La raison pour laquelle Hie souhaiterait ou aurait besoin de plus d’un phageciblant E. coli tient à la résistance bactérienne, une faiblesse courante des antibiotiques modernes. À terme, après des années d’utilisation intensive, les bactéries développent une immunité face aux médicaments qui les tuent. Les antibiotiques perdent alors leur efficacité.
« Si les bactéries acquièrent une résistance à un seul phage, c’est la fin pour le médicament », a déclaré Hie. « Mais si l’on dispose d’un mélange de plusieurs phages génétiquement distincts, il serait plus difficile pour les bactéries de développer une résistance à l’ensemble du cocktail. »
Ainsi, ces travaux pourraient déboucher sur un antibiotique résistant à la résistance. Les scientifiques envisagent des cocktails de bactériophages génétiquement diversifiés agissant de concert pour contrer l’immunité microbienne. Des approches similaires pourraient être utilisées pour développer des phages ciblant d’autres bactéries nocives, telles que celles responsables de la tuberculose,du Staphylococcus aureusrésistant à la méthicilline (SARM) etde Pseudomonas aeruginosa, une bactérie qui est l’une des principales causes d’infections nosocomiales résistantes aux traitements, entre autres.
« Nous présentons une preuve de concept dans cet article, où nous montrons que ce cocktail de 16 phages vient rapidement à bout de la résistanced’E. coli, qui est immunisé contre le ΦX174 natif », a déclaré Hie.
De nouveaux outils
Les défis techniques liés à la conception de génomes entiers – les créer nucléotide par nucléotide, puis les transférer dans des bactéries – ne sont ni faciles ni bon marché. King, premier auteur de l’article, a dirigé le projet.
« Même si le génome de ΦX174 est court, explique M. Hie, il est extrêmement difficile de se pencher sur une chaîne de 5 400 caractères et d’en comprendre le sens gène par gène. » King a développé un cadre computationnel pour aider les chercheurs à évaluer les génomes et à réduire la liste des candidats, passant de plusieurs milliers à uniquement ceux que l’équipe jugeait les plus intéressants pour une exploration plus approfondie.
« L’un des principaux aspects du cadre de conception consistait à déterminer quelles caractéristiques les génomes devaient posséder en se basant sur le ΦX174 et les phages apparentés », explique King. « Ce cadre comprenait plusieurs étapes clés : la génération de génomes à l’aide d’Evo 2, l’évaluation des options en fonction des critères de conception, la sélection des candidats optimaux, leur synthèse chimique, puis leur test en laboratoire afin de déterminer quels génomes fonctionnaient le mieux. »
« Le coût de la synthèse d’ADN restant encore assez élevé », explique Hie, « le cadre de travail de Samuel nous a aidés à nous concentrer uniquement sur les alternatives les plus viables. »
Open source, portes ouvertes
En tant que preuve de concept, Evo 2 a dépassé les attentes. Conscient de son potentiel dans les sciences médicales et biologiques, Hie propose Evo 2 en open source et gratuitement. Tout le monde peut télécharger Evo 2 et concevoir soi-même de nouveaux génomes.
La mise à disposition gratuite de cet outil a naturellement suscité des débats sur la sûreté et la sécurité. Hie est motivé par les immenses avantages potentiels de cet outil pour la santé et l’humanité, et affirme que son accès libre est essentiel pour accélérer la recherche et obtenir des résultats concrets. S’il reconnaît que des versions modifiées de l’outil pourraient être utilisées à des fins malveillantes, il souligne que les agents pathogènes existants présentent un risque plus important que les créations potentielles issues de l’IA, car ils sont plus faciles d’accès et à produire et, contrairement à l’IA, aucun contrôle de sécurité ne peut être intégré au processus d’évolution naturelle. En effet, ajoute-t-il, les outils basés sur l’IA tels qu’Evo 2 offrent aux humains un avantage considérable face aux pandémies d’origine naturelle et améliorent les moyens de défense contre les menaces biologiques d’origine humaine.
Dans la suite de ses travaux, Hie collabore avec d’autres chercheurs de Stanford et d’ailleurs pour étendre la portée d’Evo 2, tout en poursuivant ses propres recherches visant à créer d’autres nouveaux bactériophages. Il s’intéresse également à des séquences d’ADN plus longues et plus complexes, voire à de petits génomes bactériens, qui pourraient déboucher sur la création de microbes modifiés bénéfiques produisant des substances chimiques utiles, des médicaments, des carburants, etc.
« Les grandes questions qui se posent à moi », a déclaré Hie, anticipant les recherches futures, « sont les suivantes : comment obtenir une plus grande nouveauté génétique et comment mieux contrôler les résultats ? »
« L’un des aspects les plus gratifiants de ce projet est la créativité qu’Evo 2 permet », a déclaré King. « De nouvelles perspectives scientifiques s’ouvrent désormais grâce à ce que nous pouvons faire avec ces modèles. »
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
