La tuberculose est une grave menace mondiale pour la santé qui a infecté plus de 10 millions de personnes en 2022. Stransion dans l’air et dans les poumons, l’agent pathogène qui provoque « TB » peut entraîner une toux chronique, des douleurs thoraciques, une fatigue, une fièvre et une perte de poids. Alors que les infections sont plus étendues dans d’autres parties du monde, une grave épidémie de tuberculose qui se déroule actuellement au Kansas a entraîné deux décès et est devenue l’une des plus importantes jamais enregistrées aux États-Unis.
Bien que la tuberculose soit généralement traitée avec des antibiotiques, la montée des souches résistantes aux médicaments a conduit à un besoin urgent de nouveaux candidats médicamenteux.
Une nouvelle étude publiée dans le Actes de l’Académie nationale des sciences Décrit la nouvelle utilisation de l’intelligence artificielle pour dépister les candidats aux composés antimicrobiens qui pourraient être développés en nouveaux traitements médicamenteux de la tuberculose. L’étude a été dirigée par des chercheurs de l’Université de Californie San Diego, Linnaeus Bioscience Inc. et le Center for Global Infectious Disease Research au Seattle Children’s Research Institute.
Linnaeus Bioscience est une entreprise de biotechnologie basée à San Diego fondée sur la technologie développée dans les laboratoires de l’UC San Diego School of Biological Sciences du professeur Joe Pogliano et Dean Kit Pogliano. Leur méthode de profilage cytologique bactérien (BCP) fournit un raccourci pour comprendre le fonctionnement des antibiotiques en déterminant rapidement leurs mécanismes sous-jacents.
La recherche de nouvelles cibles médicamenteuses de tuberculose sous les méthodes de laboratoire traditionnelles s’est toujours avérée ardue et longue en raison en partie de la difficulté de comprendre comment les nouveaux médicaments fonctionnent contre Mycobacterium tuberculosis, la bactérie qui provoque la maladie.
La nouvelle étude décrit le développement de «MyCobcp», une technologie de nouvelle génération. La nouvelle méthode adapte le BCP avec l’apprentissage en profondeur – un type d’intelligence artificielle qui utilise des réseaux de neurones en forme de cerveau – pour surmonter les défis traditionnels et ouvrir de nouvelles vues sur les cellules de Mycobacterium tuberculosis.
« C’est la première fois que ce type d’analyse d’image utilisant l’apprentissage automatique et l’IA est appliqué de cette manière vers les bactéries », a déclaré le co-auteur du journal Joe Pogliano, professeur au Département de biologie moléculaire. « Les images de la tuberculose sont intrinsèquement difficiles à interpréter par l’œil humain et les mesures de laboratoire traditionnelles. L’apprentissage automatique est beaucoup plus sensible à la possibilité de capter les différences de formes et de modèles qui sont importantes pour révéler les mécanismes sous-jacents. »
Plus de deux ans de développement, les auteurs principaux de l’étude Diana Quach et Joseph Sugie ont façonné la technologie MyCOBCP en formant des outils d’IA appelés réseaux de neurones convolutionnels avec plus de 46 000 images de cellules TB (maintenant chez Linnaeus Bioscience, Quach et Sugie ont tous deux reçu leur doctorat Du département de bio-ingénierie de Shu Chien-Gene et a terminé les nominations postdoctorales dans les laboratoires de Pogliano au Département de biologie moléculaire).
« Les cellules de la tuberculose sont grognées et semblent toujours rester près les unes des autres, donc la définition des limites cellulaires ne semblait pas possible », a déclaré Sugie, directrice de la technologie chez Linnaeus Bioscience. « Au lieu de cela, nous avons sauté directement pour laisser l’ordinateur analyser les modèles des images pour nous. »
Linnaeus s’est associé à l’expert en tuberculose Tanya Parish of Seattle Children’s Research Institute pour développer BCP pour Mycobacteria. Le nouveau système a déjà largement accéléré les capacités de recherche de la TB de l’équipe et a aidé à identifier des composés candidats optimaux pour le développement de médicaments.
« Un élément essentiel de la progression vers les nouveaux candidats médicamenteux est de déterminer leur fonctionnement, ce qui a été techniquement difficile et prend du temps », a déclaré Parish, co-auteur de l’étude. « Cette technologie élargit et accélère notre capacité à le faire et nous permet de hiérarchiser les molécules sur lesquelles travailler en fonction de leur mode d’action. Nous étions ravis de collaborer avec Linnaeus dans leur travail pour développer cette technologie à M. Tuberculosis. »
En plus de Quach, Pogliano et Sugie, les co-auteurs du journal incluent Marc Sharp, Sara Ahmed, Lauren Ames, Amala Bhagwat, Aditi Deshpande et la paroisse de Tanya.
