Processus de découverte d’une nouvelle classe d’antibiotiques actifs contre des souches de Staphylococcus aureus résistantes à la méticilline grâce à un modèle d’apprentissage profond. A. Les données d’entraînement incluent les mesures d’activité antibactérienne de plus de 39 000 molécules obtenues à partir de tests in vitro, ainsi que des données de toxicité envers différentes lignées cellulaires humaines. 3 646 composés prometteurs ont pu être retenus à partir d’une banque de plus de 12 millions de molécules. B. Une étape de tri supplémentaire (pan-assay interference compounds, PAINS) consiste à éliminer les structures indésirables (réactives, mutagènes ou défavorables sur le plan pharmacocinétique), et une recherche Monte-Carlo permet d’identifier des hits avec des nouvelles sous-structures chimiques, dont cinq groupes structuraux principaux. Parmi ces hits, les composés 1 et 2, du groupe rationnel G2, ont été priorisés en raison de leur activité antibiotique prometteuse et de leur faible toxicité, obtenues à la suite de tests in vitro. C. L’intérêt des composés générés par IA, on été évalués sur des modèles in vitro cellulaires et preuve de concept in vivo du composé in vivo.