Les candidats les plus prometteurs ont également révélé un mécanisme d’action inédit. Ces résultats* ont été publiés le 17 juin 2026 dans la revue Science Translational Medicine.
Les bactéries résistantes gagnent du terrain plus vite que les nouveaux antibiotiques n’arrivent sur le marché. Parmi elles, le gonocoque, responsable de la gonorrhée, inquiète particulièrement les autorités sanitaires. Au fil des décennies, cette bactérie a appris à déjouer une grande partie des traitements utilisés contre elle, au point que certains experts redoutent de voir émerger des formes de plus en plus difficiles à traiter.
Face à cette menace, les chercheurs sont en quête de nouvelles armes. Mais la découverte d’antibiotiques se heurte à un défi de taille : l’immensité de l’espace chimique. Des millions, voire des milliards de molécules pourraient théoriquement présenter un intérêt thérapeutique. Encore faut-il savoir lesquelles méritent d’être étudiées. Les chercheurs du Wyss Institute, du MIT et du Broad Institute ont donc voulu évaluer dans quelle mesure l’intelligence artificielle pouvait aider à orienter cette recherche et accélérer l’identification de nouvelles pistes thérapeutiques contre le gonocoque.
Explorer une bibliothèque de 6 millions de molécules
Concrètement, les auteurs de ces travaux ont entraîné plusieurs modèles d’intelligence artificielle à partir de données portant sur près de 39 000 composés dont l’activité contre Neisseria gonorrhoeae était connue. Ces modèles ont ensuite été utilisés pour analyser virtuellement une bibliothèque d’environ six millions de molécules afin d’identifier les candidats les plus prometteurs.
Les composés sélectionnés ont ensuite été testés contre différentes souches de gonocoque, dont certaines résistantes aux antibiotiques. Les chercheurs ont également évalué leur mode d’action ainsi que leur efficacité dans un organe-sur-puce reproduisant l’environnement vaginal humain et dans un modèle murin d’infection.
Les résultats de cette étude ont été publiés le 17 juin 2026 dans la revue Science Translational Medicine.
Résultats : une nouvelle thérapeutique identifiée par l’IA
- 83 molécules actives contre N. gonorrhoeae identifiées parmi les 213 testées.
- 2 candidats principaux (A1 et A2) retenus pour les analyses approfondies.
- Activité démontrée contre 28 souches cliniques pour A1 et contre 31 souches pour A2.
- Absence de résistance détectée après 30 jours d’exposition à A1 et A2.
- Efficacité confirmée dans un modèle de vagin-sur-puce humain et dans un modèle murin d’infection génitale.
- Identification d’une nouvelle cible thérapeutique : l’alanine racémase.
Pour les auteurs, l’intérêt de cette approche dépasse largement la gonorrhée. La découverte de nouveaux antibiotiques se heurte aujourd’hui à un paradoxe : les molécules potentiellement intéressantes n’ont jamais été aussi nombreuses, mais les chercheurs ne peuvent en tester qu’une infime fraction. L’intelligence artificielle pourrait servir de filtre pour explorer cet immense espace chimique et orienter les efforts expérimentaux vers les candidats les plus prometteurs.
« Les antibiotiques sont l’un des piliers de la médecine moderne, mais leur efficacité est menacée par l’émergence de résistances », rappelle l’équipe. Selon elle, cette stratégie pourrait être appliquée à d’autres bactéries prioritaires et contribuer à relancer un domaine de recherche qui peine depuis plusieurs décennies à produire de nouvelles classes d’antibiotiques.
* Deep learning-enabled discovery of antibiotics effective against Neisseria gonorrhoeae
Melis Anahtar, Donald Ingber, James Collins
SCIENCE TRANSLATIONAL MEDICINE 17 Jun 2026 Vol 18, Issue 854 DOI: 10.1126/scitranslmed.ads4699
https://www.science.org/doi/10.1126/scitranslmed.ads4699

