Du code au remède : la lutte du Wyss Institute contre la superbactérie N. gonorrhoeae grâce à l'IA

La menace croissante de Neisseria gonorrhoeae multirésistante a poussé les chercheurs à abandonner la découverte de médicaments traditionnelle, lente et coûteuse, au profit de l'intelligence artificielle. Au Wyss Institute for Biologically Inspired Engineering de Harvard, une équipe dirigée par le membre principal Jim Collins – en collaboration avec des collègues du MIT et du Broad Institute – a réalisé une série de percées qui ne se contentent pas de cribler les bibliothèques de médicaments existantes, mais inventent de nouveaux antibiotiques de toutes pièces grâce à l'apprentissage profond génératif [8, 9, 52].

Comment le Wyss Institute a utilisé l'IA générative pour créer de nouveaux antibiotiques

Les travaux récents du laboratoire Collins, publiés dans la revue Cell, décrivent un cadre d'IA générative à deux volets pour concevoir des antibiotiques contre la gonorrhée résistante (N. gonorrhoeae) et le staphylocoque doré résistant à la méticilline (SARM) [7, 8]. L'équipe a utilisé des réseaux neuronaux de graphes pour évaluer systématiquement plus de 100 millions de fragments chimiques par simulation informatique, en prédisant les structures centrales ayant une activité antibactérienne sélective contre chaque pathogène . À partir de là, ils ont déployé des auto-encodeurs variationnels et des algorithmes génétiques pour étendre ces fragments prometteurs en molécules plus grandes, entièrement formées, avec des propriétés recherchées pour un futur médicament [7, 8].

Au total, les modèles ont conçu plus de 36 millions de composés candidats, que les chercheurs ont filtrés informatiquement pour leur activité antibiotique prédite, leur faible toxicité et leur facilité de synthèse [8, 16]. L'équipe a finalement synthétisé 24 des molécules les plus prometteuses conçues par l'IA et les a testées en laboratoire. Sept de ces composés ont montré une activité antibactérienne, et deux candidats principaux – désignés NG1 (ciblant la gonorrhée) et DN1 (ciblant le SARM) – ont démontré une efficacité bactéricide puissante contre des souches multirésistantes lors d'études en laboratoire et sur des animaux [8, 7, 55]. Ces molécules sont structurellement distinctes de tous les antibiotiques existants et semblent agir par des mécanismes novateurs qui perturbent les membranes cellulaires bactériennes .

Un détail crucial est que l'équipe Wyss/MIT ne s'est pas arrêtée aux tests in vitro et sur les animaux. Collins a révélé qu'il a collaboré directement avec le directeur fondateur du Wyss, Donald Ingber, pour utiliser les dispositifs microfluidiques de culture cellulaire « organe-sur-puce » de l'Institut afin de tester l'efficacité des antibiotiques découverts par l'IA dans des environnements semblables aux tissus humains . Ces plateformes permettent aux chercheurs d'étudier le comportement des médicaments dans des tissus humains vivants, complétant ainsi les expériences animales traditionnelles et offrant une vision plus nuancée du potentiel thérapeutique avant même qu'un composé n'entre dans des essais cliniques humains .

La révolution plus large de l'IA dans la découverte d'antimicrobiens

Les travaux du Wyss/MIT ne sont pas un incident isolé. Ils reflètent un changement fondamental dans la manière dont la communauté scientifique aborde la résistance aux antimicrobiens. L'IA ne sert plus seulement à accélérer le criblage des bibliothèques de composés existants ; elle est utilisée pour concevoir des molécules « inédites dans la nature », explorer les protéomes d'organismes disparus pour trouver des peptides antimicrobiens et prédire les schémas de résistance en temps réel à partir de données génomiques [17, 18, 20, 26].

• Conception générative : L'article de Cell du laboratoire Collins fait partie d'une vague qui inclut d'autres groupes utilisant de grands modèles de langage (LLMs) pour générer de nouveaux peptides antimicrobiens efficaces contre les superbactéries cliniques [7, 22].
• Dé-extinction moléculaire : Des scientifiques ont entraîné des modèles d'apprentissage profond pour explorer les protéomes d'organismes disparus à la recherche de peptides antibiotiques cachés, découvrant des molécules que l'humanité n'a jamais vues auparavant .
• Prédiction de la résistance : Des études distinctes en apprentissage automatique ont montré que les modèles CatBoost peuvent prédire la résistance de la gonorrhée aux principaux antibiotiques avec des scores AUROC validés de manière croisée allant jusqu'à 0,97, surpassant de 4 à 7 points de pourcentage les meilleures méthodes précédentes . Cela signifie que les cliniciens pourraient bientôt recevoir en temps réel des prévisions de résistance de qualité laboratoire en utilisant uniquement les données routinières des patients.
• Un changement de paradigme : Une revue complète du NIH (Instituts nationaux de la santé américains) présente l'IA non seulement comme un outil utile, mais comme un « catalyseur » pour la découverte d'antimicrobiens, répondant au problème central que les pipelines traditionnels sont trop lents et trop coûteux pour suivre le rythme de l'évolution des agents pathogènes multirésistants .

Le rôle fondamental du Wyss Institute dans ce changement est difficile à surestimer. Des travaux antérieurs d'apprentissage profond de Collins, également menés avec des collaborateurs du MIT, ont été responsables de la découverte de l'halicin en 2019 – la première nouvelle classe d'antibiotiques identifiée depuis des décennies, et la première découverte en s'appuyant sur une plateforme alimentée par l'IA [9, 47]. Les travaux plus récents d'IA générative pour la gonorrhée sont une évolution directe de ce même programme de recherche, passant d'une « IA comme outil de criblage » à une « IA comme concepteur » [7, 50].

Les approbations de la FDA suivent le mouvement : de nouveaux médicaments oraux contre la gonorrhée

Bien que les candidats de l'IA générative du Wyss Institute (comme NG1) restent au stade préclinique, le domaine de la découverte d'antibiotiques a reçu une validation majeure en décembre 2025. Les 11 et 12 décembre, la Food and Drug Administration (FDA) des États-Unis a approuvé deux nouveaux médicaments oraux pour traiter la gonorrhée urogénitale non compliquée – les premières options de traitement entièrement nouvelles depuis des décennies [33, 40, 35].

• La zoliflodacine (nom de marque Nuzolvence) est un inhibiteur de topoisomérase spiropyrimidinetrione oral, de première classe, à dose unique, développé par Innoviva Specialty Therapeutics en partenariat avec le Partenariat mondial pour la recherche et le développement d'antibiotiques (GARDP) et l'Institut national américain des allergies et des maladies infectieuses (NIAID) [31, 33, 39]. L'essai de phase 3 mené sur 930 patients a montré que le médicament était non inférieur au schéma thérapeutique injectable standard .
• La gépotidacine (nom de marque Blujepa) est un antibactérien triazaacénaphtylène oral de première classe développé par GSK. Il a d'abord été approuvé en mars 2025 pour les infections urinaires chez la femme, puis a reçu une approbation supplémentaire de la FDA en décembre 2025 pour le traitement de la gonorrhée chez les patients ayant des options limitées ou inexistantes [34, 37, 40].

Ces deux médicaments sont des antibiotiques oraux structurellement nouveaux, une caractéristique cruciale car la norme de soins précédente – un schéma injectable à base de ceftriaxone – posait des obstacles logistiques et était de plus en plus remise en question par la montée de la résistance [36, 44]. Cependant, ces approbations s'accompagnent de réserves importantes. La zoliflodacine et la gépotidacine ont toutes deux montré un succès limité contre la gonorrhée pharyngée lors d'essais de phase 2 antérieurs, ce qui signifie que leur utilisation devra être gérée avec soin . Et aucun des deux n'a été découvert avec l'IA. Ils reflètent plutôt l'importance continue du développement traditionnel de petites molécules, même si l'IA accélère le pipeline de candidats précliniques [7, 8].

Où tout cela nous mène-t-il ?

Le travail du Wyss Institute, et le mouvement plus large de découverte d'antibiotiques piloté par l'IA qu'il représente, se situe à une intersection charnière. D'un côté, les modèles d'IA générative sont désormais capables de concevoir des composés structurellement nouveaux qui tuent les « superbactéries » multirésistantes en laboratoire et sur des modèles animaux [7, 48]. De l'autre, les approbations par la FDA en décembre 2025 de la zoliflodacine et de la gépotidacine prouvent que de nouvelles entités chimiques peuvent obtenir une autorisation réglementaire et atteindre les patients ayant un besoin urgent d'alternatives aux antibiotiques de première ligne défaillants [33, 35]. La prochaine étape – le mariage des candidats conçus par l'IA avec les tests sur des organes humains sur puce – a déjà commencé au sein du laboratoire de Collins .

Si cette approche intégrée réussit, l'avenir de la découverte d'antibiotiques pourrait être radicalement différent : des modèles d'apprentissage profond proposent des molécules entièrement nouvelles, les organes-sur-puce valident leur innocuité et leur efficacité dans des environnements de tissus humains, et les candidats les plus prometteurs avancent rapidement vers les essais cliniques. Pour un pathogène comme N. gonorrhoeae, que l'OMS et le CDC ont placé sur leurs listes de surveillance de priorité maximale en raison de sa trajectoire de résistance alarmante, les enjeux ne pourraient pas être plus élevés [41, 5]. Les antibiotiques conçus par l'IA du Wyss Institute sont peut-être encore précliniques, mais ils représentent une preuve de concept que nous pouvons désormais apprendre aux machines à inventer les médicaments dont nous avons désespérément besoin.