Des chercheurs de Stanford ont créé un algorithme qui, guidé par des recherches antérieures, présente les séquences d'ADN les plus susceptibles de s'aligner sur les propriétés antimicrobiennes.

Alors que la menace de la résistance aux antibiotiques se profile, les microbiologistes ne sont pas les seuls à imaginer de nouvelles solutions. James Zou, Doctorat., professeur adjoint de science des données biomédicales à Stanford, a appliqué l'apprentissage automatique pour créer un algorithme qui génère des milliers de séquences d'ADN virtuelles entièrement nouvelles dans le but de créer un jour des protéines antimicrobiennes.

L'algorithme, appelé Feedback GAN, agit essentiellement comme un producteur de masse de différents extraits d'ADN. Et bien que ces tentatives de séquences soient quelque peu aléatoires, l'algorithme ne fonctionne pas à l'aveuglette. Il fonde les nouveaux peptides possibles, ou de petits groupes d'acides aminés, sur des recherches antérieures qui définissent les séquences d'ADN les plus susceptibles de s'aligner sur les propriétés antimicrobiennes.

Pour l'instant, ces modèles, qui n'existent pas dans la nature, sont théoriques, généré sur un ordinateur. Mais face aux inquiétudes croissantes concernant la résistance microbienne, Zou a dit qu'il est essentiel de réfléchir à des solutions qui n'existent pas déjà.

« Nous avons choisi de rechercher des protéines antimicrobiennes parce que c'est un élément très important, problème à fort impact qui est également un problème relativement traitable pour l'algorithme, " a déclaré Zou. " Il existe des outils existants que nous intégrons dans notre système qui évaluent si une nouvelle séquence est susceptible d'avoir les propriétés d'une protéine antimicrobienne réussie. "

Le GAN s'appuie sur cela, travailler pour incorporer le juste équilibre entre hasard aléatoire et précision.

Un article décrivant l'algorithme a été publié en ligne le 11 février dans Apprentissage automatique de la nature . Anvita Gupta, étudiant en informatique, est le premier auteur; Zou est l'auteur principal.

Auto-affinant

L'algorithme de Gupta et Zou ne se contente pas de produire de nouvelles combinaisons d'ADN. Il s'affine aussi activement, apprendre ce qui fonctionne et ce qui ne fonctionne pas grâce à une boucle de rétroaction :une fois que l'algorithme a recraché un large éventail de séquences d'ADN, il exécute un processus d'apprentissage par essais et erreurs qui passe au crible les suggestions de peptides. Sur la base de leur ressemblance avec d'autres peptides antimicrobiens connus, les "bonnes" sont réintroduites dans l'algorithme pour informer les futures séquences d'ADN générées à partir du code, et de s'affiner.

"Il y a un arbitre intégré et, en ayant cette boucle de rétroaction, le système apprend à modéliser les séquences nouvellement générées après celles qui sont considérées comme susceptibles d'avoir des propriétés antimicrobiennes, " a dit Zou. " Donc, l'idée est que les séquences peptidiques individuelles et la génération des séquences s'améliorent de plus en plus. "

Zou a également considéré un autre composant central des protéines hypothétiques :le repliement des protéines. Les protéines se contorsionnent en des structures très spécifiques liées à leurs fonctions. Un algorithme pourrait créer la séquence parfaite, mais à moins qu'il ne puisse se replier, c'est inutile, comme les rouages ​​d'une horloge éparpillés sur une table.

Vous pouvez modifier l'algorithme de sorte qu'au lieu d'analyser une propension aux propriétés antimicrobiennes, il détermine la probabilité d'un pliage correct.

"Nous pouvons en fait faire ces deux choses en parallèle où nous examinons les propriétés antimicrobiennes d'une séquence et la probabilité de repliement d'une autre, ", a déclaré Zou. "Nous utilisons les deux afin d'optimiser soit les propriétés antimicrobiennes, soit sa capacité à se plier."

Prochain, Zou espère fusionner les deux variantes de l'algorithme pour créer des séquences peptidiques optimisées à la fois pour leurs capacités de destruction des microbes et leur capacité à se replier en une véritable protéine.