Stanford révolutionne la lutte contre E. coli avec l'IA Evo 2

Des phages générés par l'IA pour combattre E. coli

À l'université de Stanford, une équipe de chercheurs a réussi à synthétiser près de 300 phages en utilisant des séquences d'ADN générées par le modèle d'IA Evo 2. Après des tests rigoureux en laboratoire, ce groupe a été réduit à 16 phages qui ont démontré une activité particulièrement efficace contre la bactérie E. coli. Cette avancée marque une étape importante dans l'utilisation de l'intelligence artificielle pour la biologie synthétique.

Le projet se concentre sur le bactériophage ΦX174, un virus bien étudié. Brian Hie, professeur adjoint en ingénierie chimique et bénéficiaire d'une bourse de la Dieter Schwarz Foundation, a dirigé le développement d'Evo 2. Il a collaboré avec Samuel King, un étudiant diplômé en bio-ingénierie, qui a pris en charge les expériences pratiques décrites dans leur publication.

Génération de génomes de phages par Evo 2

Evo 2 est capable de générer de nouvelles séquences d'ADN à partir d'une petite portion d'un génome de phage existant. Les chercheurs ont demandé au modèle de produire un génome complet du ΦX174 d'un seul tenant, sans intervention humaine supplémentaire. Ce processus a permis de créer des milliers de génomes candidats, parmi lesquels l'équipe a sélectionné ceux à synthétiser chimiquement et à tester en laboratoire.

Le choix du ΦX174 comme modèle s'explique par sa taille relativement réduite, avec un génome de moins de 6 000 paires de bases, comparé aux 3 milliards de paires de bases du génome humain. Brian Hie a souligné que même avec une séquence d'ADN de 5 400 caractères, l'interprétation gène par gène reste un défi complexe.

Certains phages générés par Evo 2 ont montré une meilleure aptitude que le ΦX174 d'origine lors des tests en laboratoire. Le projet vise à déterminer si un modèle d'IA peut créer des génomes viraux viables dans leur intégralité, plutôt que de simplement proposer des modifications locales de l'ADN.

Optimisation avant la synthèse de l'ADN

Samuel King a mis au point un cadre computationnel pour réduire le nombre de génomes candidats envoyés pour synthèse. Ce système a évalué les caractéristiques dérivées du ΦX174 et de phages similaires avant que l'équipe ne choisisse les options à tester en laboratoire.

La synthèse de l'ADN impose des contraintes pratiques. Les chercheurs ont généré des génomes avec Evo 2, les ont évalués selon leurs critères de conception, puis ont synthétisé chimiquement les candidats sélectionnés pour identifier ceux qui fonctionnaient le mieux en laboratoire.

King a expliqué que l'une des étapes clés du cadre de conception était de déterminer quelles caractéristiques les génomes devraient posséder, en se basant sur le ΦX174 et des phages apparentés. Le cadre comprenait plusieurs étapes : génération de génomes avec Evo 2, évaluation selon les critères de conception, sélection des candidats optimaux, synthèse chimique et tests en laboratoire.

Brian Hie a précisé que ce cadre avait permis de réduire les coûts de synthèse en concentrant les ressources sur les candidats les plus prometteurs. Bien qu'Evo 2 ait généré des milliers de possibilités, une évaluation computationnelle, une synthèse chimique et des essais en laboratoire étaient nécessaires pour identifier les phages viables.

Mélange de phages pour contrer la résistance bactérienne

Les chercheurs ont opté pour un mélange de plusieurs phages ciblant E. coli, car les bactéries peuvent développer une résistance à un traitement unique. Brian Hie a expliqué que l'utilisation de mélanges de phages rend plus difficile pour les bactéries de développer une résistance à l'ensemble du traitement.

« Si les bactéries acquièrent une résistance à un seul phage, c'est la fin pour le médicament », a-t-il déclaré. « Mais avec plusieurs phages génétiquement distincts dans un mélange, il devient plus difficile pour les bactéries de résister à tout le cocktail. »

Un cocktail contenant les 16 phages sélectionnés a rapidement surmonté la résistance dans E. coli, qui était immunisé contre le ΦX174 natif. Hie a mentionné que des travaux similaires pourraient cibler des phages contre le Staphylococcus aureus résistant à la méthicilline, ou MRSA, ainsi que Pseudomonas aeruginosa, une cause majeure d'infections résistantes acquises à l'hôpital.

Evo 2 en open-source pour élargir la recherche

Evo 2 a été publié en tant que logiciel open-source, permettant aux chercheurs du monde entier de télécharger le modèle et de l'utiliser pour concevoir des génomes. Cette ouverture a suscité des discussions sur la sécurité et la sûreté, car des acteurs malveillants pourraient potentiellement modifier l'outil.

Brian Hie a toutefois souligné que les pathogènes existants représentent un risque plus important, car ils sont plus facilement accessibles et reproductibles. Il a également affirmé que les systèmes basés sur l'IA peuvent soutenir les réponses aux pandémies naturelles et offrir des options de défense contre les menaces biologiques d'origine humaine.

Samuel King a décrit l'impact de cette recherche en termes de créativité scientifique : « Une des parties les plus gratifiantes de ce projet est la créativité que permet Evo 2. De nouvelles portes dans la science sont désormais ouvertes grâce à ce que nous pouvons faire avec ces modèles. »

La prochaine phase du projet vise à étendre Evo 2 à des ADN plus longs et plus complexes. Hie collabore avec des chercheurs de Stanford et d'autres institutions pour développer des conceptions supplémentaires de bactériophages. De petits génomes bactériens pourraient également devenir une cible pour le modèle, soutenant la production de produits chimiques, de médicaments ou de combustibles par des microbes conçus. Hie a formulé le travail technique restant autour de deux questions clés : « Les plus grandes questions ouvertes pour moi sont comment obtenir une plus grande nouveauté génétique et comment obtenir un meilleur contrôle des résultats ? »