AI découvre des prionines antibiotiques cachées dans les prions

La découverte des « prionines » par l’intelligence artificielle

L’idée que des protéines responsables de maladies cérébrales mortelles puissent contenir des armes contre les infections bactériennes semble relever de la science-fiction. Pourtant, selon une étude publiée dans Nature Microbiology et rapportée par News-Medical, les prions et les protéines de type prion pourraient en effet dissimuler de courts peptides capables de tuer des agents pathogènes.

Traditionnellement, les prions sont étudiés pour leur rôle dans les maladies neurodégénératives rares et fatales. Cependant, l’équipe de recherche de l’Université de Pennsylvanie a utilisé une plateforme d’apprentissage profond nommée APEX 1.1 pour scanner 19,3 millions de fragments peptidiques provenant de 2 897 protéines de type prion. Ce processus a permis d’identifier 1 179 candidats peptides antimicrobiens, que les scientifiques ont regroupés sous le terme de « prionines ».

« Ce travail change notre perception de l’endroit où les antibiotiques pourraient se cacher. Les prions ont longtemps été perçus presque exclusivement sous l’angle de la maladie, mais l’IA nous a permis de poser une question différente : ces protéines encodent-elles également des fragments moléculaires utiles ? La réponse semble être oui. »

César de la Fuente, PhD, FRSB, directeur du Machine Biology Group à la Perelman School of Medicine

Cette découverte soulève une question biologique fondamentale : les protéines associées à la neurodégénérescence pourraient-elles porter des traces de mécanismes de défense immunitaire innée ? Si cette hypothèse se confirme, la recherche de nouveaux médicaments pourrait s’étendre bien au-delà des sources conventionnelles.

ApexGO : de la simple prédiction à l’optimisation moléculaire

L’innovation ne s’arrête pas à la simple identification de molécules. Comme l’explique The Daily Pennsylvanian, les chercheurs ont développé une nouvelle itération de leur modèle, baptisée ApexGO (APEX generative optimization). Contrairement aux outils précédents qui se contentaient de prédire l’activité antimicrobienne, ApexGO est capable de suggérer des modifications structurelles pour rendre les antibiotiques plus efficaces.

César de la Fuente qualifie ce système de « une façon d’améliorer les antimicrobiens médiocres ». Les résultats de cette approche générative sont particulièrement probants : 85 % des peptides synthétisés grâce à l’IA ont démontré une capacité à tuer des bactéries lors d’expériences en laboratoire. Plus impressionnant encore, 72 % des variantes créées par le modèle se sont révélées plus performantes que la molécule originale utilisée comme modèle.

Natalie Maus, chercheuse ayant travaillé sur le projet avant l’obtention de son doctorat en 2025, souligne l’importance de cette accélération. Elle note que l’espace des possibilités peptidiques est si vaste que des tests expérimentaux classiques, même menés quotidiennement pendant un an, ne couvriraient qu’une fraction infime des options disponibles. ApexGO permet ainsi de concentrer les ressources sur un sous-groupe de peptides hautement prometteurs.

Validation biologique : des tests réussis sur les modèles murins

Pour passer de la simulation informatique à la réalité biologique, l’équipe a sélectionné 75 des peptides les plus prometteurs pour des tests contre 11 agents pathogènes bactériens différents, incluant des souches résistantes aux traitements actuels. Les résultats, détaillés par Newswise, confirment l’efficacité de la méthode.

• 59 peptides ont inhibé au moins un agent pathogène bactérien.
• 42 peptides ont montré une activité forte à de faibles concentrations.
• 16 peptides actifs n’ont montré aucun dommage mesurable sur les cellules humaines ou les globules rouges.

L’efficacité a été testée in vivo sur des souris pour vérifier la viabilité clinique. Les chercheurs ont utilisé deux peptides particulièrement performants — l’un issu d’un champignon et l’autre d’un ver rond — pour traiter une infection cutanée causée par Acinetobacter baumannii, une bactérie extrêmement difficile à traiter. Le traitement a permis de réduire la charge bactérienne de manière comparable à l’utilisation de la polymyxine B, sans provoquer de perte de poids chez les animaux.

« C’est là que l’histoire devient plus qu’un simple écran d’ordinateur. L’IA nous a fourni une liste restreinte de candidats, mais le point crucial est que beaucoup de ces molécules ont fonctionné en laboratoire, et deux d’entre elles ont fonctionné dans un modèle d’infection animale. C’est ce qui fait de cet outil une plateforme de découverte, et pas seulement un exercice de prédiction. »

Marcelo D. T. Torres, co-premier auteur de l’étude

Une course contre la montre face à l’antibiorésistance mondiale

L’enjeu de ces travaux dépasse largement le cadre de la recherche fondamentale. L’antibiorésistance est désormais perçue comme une menace existentielle pour la santé publique mondiale. Selon les données citées par la Perelman School of Medicine, les infections résistantes aux antimicrobiens sont responsables de 5 millions de décès par an à l’échelle mondiale. Sans le développement de nouvelles stratégies thérapeutiques, ce chiffre pourrait grimper jusqu’à 10 millions de décès annuels d’ici 2050.

L’utilisation de l’IA pour explorer des réservoirs biologiques jusqu’ici ignorés, comme les prions, pourrait transformer radicalement la vitesse de développement des nouveaux traitements. Si les résultats obtenus sur les modèles murins se confirment lors des phases cliniques humaines, les prionines pourraient devenir une nouvelle classe d’antibiotiques essentiels pour contrer les pathogènes les plus redoutables.

Note : Les découvertes présentées ici sont issues de recherches préliminaires. Pour toute question relative à une pathologie ou un traitement antibiotique, consultez un professionnel de santé qualifié.

Find more reporting in our Santé section.