Comment l’IA et la génomique peuvent aider à combattre la résistance aux antibiotiques

Appliquer des technologies innovantes pour résoudre un problème croissant.

Source: geralt / pixabay

La résistance aux antimicrobiens (RAM) est une menace mondiale pour la santé. La RAM compte plus de 700 000 décès chaque année dans le monde et devrait atteindre plus de 10 millions de décès d’ici 2050, selon un rapport publié par Wellcome Trust et le gouvernement britannique. Les technologies innovantes appliquées telles que l’intelligence artificielle et la génomique peuvent-elles aider à résoudre ce problème?

La première antibiotique commercialisée, la pénicilline, a été mise au point en 1928 par Sir Alexander Fleming. En 1940, la première résistance aux antibiotiques était identifiée chez le staphylocoque à la pénicilline R. Au fil du temps, de nouveaux antibiotiques ont été mis sur le marché et bon nombre des germes ciblés ont évolué et ont développé une résistance. La RAM est causée par la surconsommation d’antibiotiques par l’homme et le bétail, ainsi que par l’utilisation accrue de produits de nettoyage et d’hygiène antibactériens. Les antibiotiques agissent sur les bactéries et non sur les virus et sont souvent sur-prescrits pour les maladies non virales. Pour aggraver le problème, les sociétés pharmaceutiques développent moins d’antibiotiques en raison d’obstacles économiques et réglementaires, selon les centres américains de contrôle et de prévention des maladies (CDC).

• (Dont) l’avenir du (quel) travail
• Formation des ordinateurs pour identifier le trouble bipolaire
• Trois mythes sur les enfants et les algorithmes
• Les femmes vieillissent-elles plus lentement que les hommes?
• Combien de douleur ressentez-vous?

Bill Gates, cofondateur de Microsoft et cofondateur de Microsoft, a répété à plusieurs reprises qu’une pandémie mondiale constituait une menace existentielle à laquelle il fallait s’attaquer.

«Si quelque chose tue plus de 10 millions de personnes dans les prochaines décennies, il s’agira probablement d’un virus très infectieux plutôt que d’une guerre. Pas des missiles, mais des microbes. Cela tient en partie au fait que nous avons investi énormément dans la dissuasion nucléaire. Mais nous avons en fait très peu investi dans un système visant à enrayer une épidémie. Nous ne sommes pas prêts pour la prochaine épidémie. “Bill Gates

Gates utilise l’exemple d’un virus pandémique en tant que microbe potentiel pouvant causer des ravages. Pourtant, les virus ne sont pas la seule menace. Le manque d’antibiotiques pour traiter les maladies à base de bactéries constitue également un problème de santé mondial majeur. Pour résoudre ce problème, des chercheurs pionniers utilisent la technologie pour trouver de nouvelles solutions.

• Quelles compétences douces avons-nous besoin pour travailler avec des robots?
• Les wearables peuvent-ils suivre les crises d’épilepsie? MIT dit oui

Récemment, des chercheurs de l’Université de Californie à San Diego ont créé une méthode permettant d’identifier et de prédire les gènes responsables de la résistance des bactéries infectieuses aux antibiotiques grâce à l’apprentissage automatique de l’IA. L’équipe a publié les résultats de ses recherches dans Nature Communications.

Les scientifiques ont développé une plate-forme informatique d’apprentissage machine “complétée par l’analyse d’interaction génétique et la cartographie de mutation structurelle 3D”, capable d’identifier les “signatures de l’évolution de la RAM de 13 antibiotiques”. Ils ont également formé l’algorithme d’apprentissage automatique à la fois sur les séquences génomiques et les phénotypes de sur une bactérie causant la tuberculose appelée Mycobacterium tuberculosis . En conséquence, l’algorithme a correctement prédit 33 gènes connus de résistance aux antibiotiques et a identifié 24 nouvelles signatures génétiques de la résistance aux antimicrobiens. Selon les chercheurs de l’université de San Diego, leur approche peut être appliquée à d’autres agents pathogènes responsables d’infections.

Les chercheurs de Virginia Tech ont développé une solution d’apprentissage en profondeur de l’IA, DeepARG, pour lutter contre la résistance aux antibiotiques. En utilisant des technologies de séquençage de nouvelle génération (NGS) telles que Illumina, DeepARG comprend deux modèles: les lectures de séquences courtes (DeepARG-SS) et les séquences de type gène long (DeepARG-LS). Selon les scientifiques de Virginia Tech, «la technologie de séquençage d’ADN à haut débit constitue désormais un outil puissant pour établir le profil complet de l’ADN, y compris les ARG» (gènes de résistance aux antibiotiques). Les chercheurs ont structuré les ARG prévus avec «un degré de confiance élevé» dans une base de données appelée DeepARG-DB, disponible pour interrogation ou téléchargement afin de soutenir le développement de ressources liées à la résistance aux antibiotiques.

Day Zero Diagnostics, une start-up financée par du capital-risque et des investissements providentiels fondée en 2016, applique le séquençage du génome complet avec l’algorithme d’apprentissage automatique de l’IA appelé Keynome ™ pour raccourcir l’identification d’une infection bactérienne de deux à cinq jours à cinq heures. La société a développé une base de données exclusive sur la résistance microbienne appelée MicrohmDB®, qui détermine la résistance aux antibiotiques à l’aide de données génomiques. Day Zero Diagnostics est basé au Harvard Life Lab et travaille en collaboration avec le Dr Doug Kwon de l’Institut Ragon de MGH, du MIT et de Harvard.

Selon le CDC, plus de deux millions d’Américains sont atteints d’infections résistantes aux antibiotiques et 23 000 personnes meurent chaque année d’infections résistantes aux antibiotiques. La CDC estime que l’impact économique d’AMR aux États-Unis se chiffrera à plus de 20 milliards de dollars en coûts directs de soins de santé, auxquels s’ajoutent 35 milliards de dollars en perte de productivité, pour un total de 55 milliards de dollars par an. Grâce aux travaux de scientifiques et de chercheurs pionniers, des technologies innovantes telles que l’apprentissage automatique et la génomique de l’IA sont appliquées dans l’espoir d’aider l’humanité à l’avenir.

Copyright © 2018 Cami Rosso Tous droits réservés.

Références

Prestinaci F., Pezzotti P, Pantosti A. La résistance aux antimicrobiens: un phénomène mondial à multiples facettes. Pathog Glob Santé . 2015; 109 (7): 309-18.

Wellcome Trust, gouvernement britannique. «Examen de la résistance aux antimicrobiens. Résistance aux antimicrobiens: faire face à une crise pour la santé et la richesse des nations. 2014. https://amr-review.org/

Bill Gates. «La prochaine éclosion? Nous ne sommes pas prêts. ”TED2015. Récupéré le 11-15-2018 à l’adresse https://www.ted.com/talks/bill_gates_the_next_disaster_we_re_not_ready?language=fr.

Université de Californie – San Diego. “L’apprentissage automatique identifie les gènes de résistance aux antibiotiques chez les bactéries responsables de la tuberculose.” Phys.org . 25 octobre 2018.

Kavvas, E., Catouiu, E., Mih, N., Yurkovich, J., Seif, Y., Dillon, N., Heckmann, D., Anand, A., Yang, L., Nizet, V., Monk, J., Palsson, B. «L’apprentissage automatique et l’analyse structurelle du pan-génome de Mycobacterium tuberculosis identifie les signatures génétiques de la résistance aux antibiotiques.» Nature Communications . 17 octobre 2018.

Gustavo A. Arango-Argoty, Emily Garner, Amy Pruden, Lenwood S. Heath, Peter Vikesland, Liqing Zhang. DeepARG: une approche d’apprentissage en profondeur pour prédire les gènes de résistance aux antibiotiques à partir de données métagénomiques. (Microbiome 2018).

Diagnostics jour zéro. Récupéré le 11-15-2018 de https://www.dayzerodiagnostics.com/

Centres pour le Contrôle et la Prévention des catastrophes. «Résistance aux antibiotiques et aux antimicrobiens (AR / AMR). Récupéré le 11-15-2018 de https://www.cdc.gov/drugresistance/about.html