La technologie basée sur l’IA accélère la découverte de nouveaux médicaments candidats contre la tuberculose

La technologie basée sur l’IA accélère la découverte de nouveaux médicaments candidats contre la tuberculose

La tuberculose est une grave menace pour la santé mondiale qui a infecté plus de 10 millions de personnes en 2022. Dans l’air et dans les poumons, l’agent pathogène responsable de la « tuberculose » provoque une toux chronique, des douleurs thoraciques, de la fatigue, de la fièvre et une perte de poids. Alors que les infections sont plus étendues dans d'autres régions du monde, une grave épidémie de tuberculose au Kansas a fait deux morts et est devenue l'une des plus importantes aux États-Unis.

Alors que la tuberculose est généralement traitée avec des antibiotiques, la montée des souches résistantes aux médicaments a conduit à un besoin urgent de nouveaux médicaments candidats.

Une nouvelle étude publiée dans leActes de l'Académie nationale des sciencesDécrit l'utilisation nouvelle de l'intelligence artificielle pour sélectionner des composés antimicrobiens candidats qui pourraient être développés dans de nouveaux traitements médicamenteux contre la tuberculose. L'étude a été dirigée par des chercheurs de l'Université de Californie à San Diego, de Linnaeus Bioscience Inc. et du Center for Global Infectious Disease Research du Seattle Children's Research Institute.

Linnaeus Bioscience est une société de biotechnologie basée à San Diego, fondée sur une technologie développée aux laboratoires de l'École des sciences biologiques de l'UC San Diego par le professeur Joe Pogliano et le doyen Kit Pogliano. La méthode BCP (Bacterial Cytological Profiling) permet de comprendre rapidement le fonctionnement des antibiotiques en déterminant rapidement leurs mécanismes sous-jacents.

Trouver de nouvelles cibles de médicaments antituberculeux à l'aide de méthodes de laboratoire traditionnelles s'est historiquement révélé laborieux et long, en partie à cause de la difficulté de comprendre le fonctionnement des nouveaux médicaments.Mycobactérie tuberculosela bactérie qui cause la maladie.

Le nouveauPNAL'étude décrit le développement de « MycOBCP », une technologie de nouvelle génération développée grâce au financement de la Fondation Gates. La nouvelle méthode adapte le BCP au deep learning – un type d’intelligence artificielle qui utilise des réseaux neuronaux de type cérébral – pour surmonter les défis traditionnels et ouvrir de nouvelles perspectives.Mycobactérie tuberculosecellules.

C’est la première fois que ce type d’analyse d’images utilisant l’apprentissage automatique et l’IA est appliqué de cette manière aux bactéries. Les images de tuberculose sont par nature difficiles à interpréter par l’œil humain et par les mesures traditionnelles en laboratoire. L’apprentissage automatique est beaucoup plus sensible lorsqu’il s’agit de détecter les différences de formes et de modèles qui sont importantes pour découvrir les mécanismes sous-jacents. "

Joe Pogliano, co-auteur de l'article, professeur au Département de biologie moléculaire

En deux ans de développement, les auteurs principaux Diana Quach et Joseph Sugie ont façonné la technologie MycobCP grâce à une formation au département de bio-ingénierie de KI Shu Chien-Gene Lay et ont effectué des stages postdoctoraux dans les laboratoires Pogliano du département de biologie moléculaire).

"Les cellules de la tuberculose sont agglomérées et semblent toujours collées les unes aux autres, donc définir les limites des cellules ne semblait pas possible", a déclaré Sugie, directrice de la technologie chez Linnaeus Bioscience. "Au lieu de cela, nous avons directement demandé à l'ordinateur d'analyser les motifs des images pour nous."

Linnaeus s'est associé à l'expert en tuberculose Tanya Parish du Seattle Children's Research Institute pour développer le BCP pour les mycobactéries. Le nouveau système a déjà considérablement accéléré les capacités de recherche de l'équipe sur la tuberculose et a aidé à identifier les composés candidats optimaux pour le développement de médicaments.

« Une partie essentielle du développement de nouveaux médicaments candidats consiste à définir leur mode d'action, ce qui s'avère techniquement difficile et prend du temps », a déclaré Parish, co-auteur de l'étude. « Cette technologie élargit et accélère notre capacité à y parvenir, nous permettant de prioriser les molécules sur lesquelles agir en fonction de leur mode d'action.M. Tuberculose. "

Les spin-offs biotechnologiques de l'UC San Diego relèvent le défi de la santé mondiale

Linnaeus Bioscience a été développé en 2012 avec l'UC San Diego qui promettait de changer le fonctionnement des antibiotiques.

"Nous avons développé un profilage cytologique bactérien et cela nous a permis d'examiner les cellules bactériennes de manière nouvelle", a déclaré Joe Pogliano. « Cela nous a permis deVraiment voirComment les cellules gèrent le traitement antibiotique afin que nous puissions interpréter leurs mécanismes sous-jacents. Nous décrivons cette méthode comme équivalente à la réalisation d’une autopsie dans une cellule bactérienne. "

L'établissement de Linnaeus Bioscience au centre régional de biotechnologie de San Diego a permis à Joe et Kit Pogliano de commercialiser la technologie BCP là où d'autres entreprises pourraient y avoir accès. La société reçoit désormais des échantillons du monde entier pour une analyse et une identification rapides de nouveaux candidats médicaments bactériens.

Pogliano remercie la communauté biotechnologique, en particulier le premier siège de l'entreprise à l'incubateur JLABS de San Diego, d'avoir soutenu les entreprises biotechnologiques en phase de démarrage, ce qui est essentiel à la croissance et au succès de l'entreprise.

« Nous n'aurions pas pu faire décoller Linnaeus Bioscience sans le soutien de la communauté biotechnologique et de l'infrastructure fournie par JLABS », a déclaré Pogliano. «Tous les employés de Linnaeus ont obtenu leur doctorat à l'UC San Diego.

Outre Quach, Pogliano et Sugie, les collaborations du journal incluent Marc Sharp, Sara Ahmed, Lauren Ames, Amala Bhagwat, Aditi Deshpande et Tanya Parish.

Sources :