Découverte de peptides antimicrobiens dans le microbiome global grâce à l'apprentissage automatique
Aujourd'hui, nous partageons un article de recherche majeur publié dans la revue Cell. Cette étude a utilisé une approche d'apprentissage automatique pour prédire près d'un million de nouveaux peptides antimicrobiens (PAM) à partir du microbiome mondial, englobant 63 410 métagénomes et 87 920 génomes procaryotes de haute qualité. Les travaux ont permis de créer une ressource complète en libre accès, nommée AMPSphere, contenant 863 498 PAM candidats non redondants (c_AMP). L'équipe a synthétisé 100 peptides prédits pour validation expérimentale et a constaté que 79 d'entre eux présentaient une activité antibactérienne in vitro, et que 63 ciblaient efficacement les pathogènes ESKAPEE. Des investigations complémentaires, utilisant la biologie structurale, la biochimie et des modèles d'infection murine, ont confirmé que ces peptides agissent en perturbant les membranes bactériennes. Notamment, certains composés principaux ont démontré une efficacité anti-infectieuse in vivo comparable à celle des antibiotiques utilisés en clinique. Ce travail révèle non seulement la grande diversité des AMP au sein du microbiome, fournissant une nouvelle bibliothèque moléculaire pour lutter contre la résistance aux antibiotiques, mais démontre également avec force l'énorme potentiel de l'intelligence artificielle pour accélérer la découverte de médicaments antimicrobiens.
01 Contexte de la recherche
La résistance aux antibiotiques est devenue une crise sanitaire mondiale, contribuant directement à environ 1,27 million de décès en 2019. Ce problème est particulièrement grave pour les bactéries Gram négatif. Les peptides antimicrobiens (PAM), une classe de courts peptides largement présents dans la nature, sont considérés comme des candidats prometteurs pour les antibiotiques de nouvelle génération en raison de leurs mécanismes uniques de ciblage membranaire et de leur faible propension à induire une résistance. Cependant, les méthodes traditionnelles de découverte des PAM, telles que le criblage par culture ou la conception rationnelle, sont peu efficaces. Les PAM connus proviennent principalement d'organismes modèles, ne représentant qu'une petite fraction de la diversité microbienne. Bien que des études récentes aient utilisé la métagénomique pour identifier des PAM dans des niches spécifiques comme l'intestin humain, leur portée reste limitée. Surtout, comme les petits cadres de lecture ouverts (smORF) sont souvent négligés lors de l'annotation des génomes, la grande majorité des ressources en PAM au sein des microbiomes demeure inexploitée. Cette étude vise à explorer systématiquement le trésor caché des AMP dans le microbiome mondial (couvrant les habitats environnementaux, végétaux, animaux et associés à l'homme) en intégrant l'apprentissage automatique à des données métagénomiques à grande échelle, afin de découvrir des composés antimicrobiens de tête structurellement nouveaux et hautement actifs.
02 Points forts innovants
Innovation méthodologique : Première application à grande échelle de l'apprentissage automatique pour la prédiction des AMP à travers le microbiome mondial.
L'équipe de recherche a utilisé Macrel, son outil d'apprentissage automatique développé en interne (un algorithme basé sur la méthode des forêts aléatoires privilégiant la précision des prédictions au rappel), pour analyser efficacement plus de 4,5 milliards de petits cadres de lecture ouverts (smORF) prédits. Contrairement aux études précédentes qui se concentraient sur des habitats spécifiques (par exemple, l'intestin humain), cette analyse a porté sur des échantillons provenant de 72 habitats différents (dont le sol, l'océan et le corps humain), élargissant considérablement le champ de la découverte des peptides antimicrobiens (AMP).
Innovation en matière de ressources : Construction de la bibliothèque de ressources AMP la plus complète à ce jour : AMPSphere.
AMPSphere contient 863 000 c_AMP non redondants, dont 91,5 % des séquences sont uniques et ne présentent aucun homologue dans les bases de données existantes (DRAMP, APD, etc.), ce qui témoigne de leur grande originalité. Cette ressource fournit non seulement les séquences peptidiques, mais aussi des informations sur leur habitat d'origine, leur contexte génomique, leurs propriétés physico-chimiques (charge nette, hydrophobicité, etc.) et leurs structures secondaires prédites. Elle est accessible gratuitement aux chercheurs du monde entier via un site web convivial.
Innovation en matière de stratégie de validation : Synthèse à haut débit et validation fonctionnelle multidimensionnelle.
Pour évaluer la fiabilité des prédictions, l'équipe a synthétisé 100 c_AMP représentatifs (dont 50 prédictions à haute fiabilité et 50 sélectionnées aléatoirement) et a mené des expériences systématiques in vitro, ex vivo et in vivo. Les résultats de validation ont montré que 79 % des peptides prédits possédaient une activité antibactérienne, une proportion remarquablement élevée par rapport à la probabilité de découverte aléatoire, démontrant ainsi la grande précision du modèle d'apprentissage automatique.
Innovation en matière de compréhension des mécanismes : révéler une nouvelle association entre la densité des AMP et la transmissibilité bactérienne.
En analysant la densité de c_AMP (ρAMP) au sein des espèces microbiennes, les chercheurs ont découvert un phénomène intrigant : dans les microbiomes humain et oral, les espèces bactériennes présentant une ρAMP plus faible étaient plus facilement transmises de la mère à l’enfant. Ceci suggère que la production d’AMP pourrait influencer la résistance à la colonisation microbienne et la compétition entre populations, offrant ainsi de nouvelles perspectives en écologie microbienne.
03 Résultats et discussion
3.1 Construction de l'AMPSphere et caractéristiques de base des c_AMP
Grâce à la prédiction de smORF et au criblage Macrel de vastes ensembles de données métagénomiques et génomiques, l'étude a permis d'identifier 863 498 c_AMP non redondants. Ces c_AMP ont une longueur moyenne de 37 acides aminés et présentent les caractéristiques physico-chimiques typiques des AMP : une charge positive (moyenne de +4,7), un point isoélectrique élevé (pI ~10,9) et une amphipathie. L'analyse de regroupement des séquences a révélé que près de la moitié des c_AMP sont des séquences uniques et que la plupart sont des éléments génomiques accessoires au sein de populations microbiennes, ce qui indique une forte spécificité d'habitat et de souche.
3.2 Origine évolutive et contexte génomique des c_AMP
L'analyse a révélé qu'environ 7 % des c_AMP sont homologues à des protéines complètes de la base de données GMGCv1, et que 27 % partagent des codons d'initiation, suggérant que certains c_AMP pourraient provenir d'une terminaison prématurée ou d'une troncature de gène. L'analyse de synténie génomique a montré que les gènes des c_AMP sont fréquemment flanqués d'unités fonctionnelles conservées, telles que les gènes des protéines ribosomiques, ce qui confirme leur génération et leur maintien en tant qu'unités fonctionnelles indépendantes au cours de l'évolution. Comparés aux peptides cryptés (EP) connus, les c_AMP d'AMPSphere présentent des différences marquées dans leur composition en acides aminés et leurs préférences structurales, indiquant qu'ils constituent une famille unique de peptides antimicrobiens (AMP).
Figure 1. Le contexte génomique des c_AMP montre une préférence pour les régions contenant des protéines d'assemblage des ribosomes.
3.3 Validation expérimentale : Effets antibactériens in vitro très actifs
Des tests réalisés sur 100 peptides synthétiques ont montré que 79 d'entre eux (c_AMP) inhibaient efficacement la croissance bactérienne in vitro. Parmi ces derniers, 63 étaient actifs contre des pathogènes ESKAPEE (par exemple, Acinetobacter baumannii, Staphylococcus aureus résistant aux antibiotiques), avec des concentrations minimales inhibitrices (CMI) aussi faibles que 1 à 4 µM, comparables à celles d'AMP connus pour leur grande efficacité. De manière significative, ces peptides actifs ne présentaient aucune toxicité pour les cellules humaines (par exemple, HEK293) et étaient non hémolytiques, démontrant ainsi une bonne sélectivité.
Figure 2. Composition en acides aminés, structure, activité antimicrobienne et mécanisme d'action des c_AMP.
3.4 Mécanisme d'action : ciblage membranaire et propriétés structurales
Des études mécanistiques ont montré que les c-AMP actifs agissent principalement en perturbant la structure de la membrane bactérienne. Des tests de perméabilisation membranaire (absorption de NPN) et de dépolarisation membranaire (fluorescence DiSC3-[5]) ont révélé que ces peptides augmentent la perméabilité de la membrane externe et induisent une dépolarisation rapide de la membrane cytoplasmique. La spectroscopie de dichroïsme circulaire a par ailleurs indiqué que de nombreux peptides actifs tendent à former des structures en hélice α ou en feuillet β dans des environnements mimétiques de membrane, ce qui est cohérent avec leurs caractéristiques amphipathiques et facilite l'interaction avec les lipides membranaires.
3.5 Validation de l'efficacité in vivo : effets protecteurs dans un modèle d'infection murin
Dans un modèle murin d'infection par abcès cutané, dix peptides antimicrobiens (c_AMP) prometteurs ont été sélectionnés pour des tests. Les résultats ont montré que plusieurs peptides (par exemple, la lachnospirine-1 et l'entérocoque-1) réduisaient significativement la charge bactérienne au site d'infection (de 3 à 4 log) après une seule administration, avec des effets comparables à ceux de la polymyxine B. Aucune perte de poids ni toxicité significative n'ont été observées chez les souris pendant l'expérience, démontrant ainsi leur efficacité anti-infectieuse et leur innocuité in vivo.
Figure 3. Activité anti-infectieuse des AMP dans un modèle animal préclinique.
04 Conclusion et perspectives d'avenir
Cette étude a exploité avec succès une approche d'apprentissage automatique pour explorer AMPSphere, une bibliothèque de ressources peptidiques antimicrobiennes de près d'un million de molécules, issue du microbiome mondial, et a confirmé son immense potentiel de développement par une validation expérimentale rigoureuse. Ce travail fournit non seulement une véritable mine d'or numérique, accessible gratuitement aux chercheurs du monde entier, insufflant une nouvelle dynamique au développement de médicaments antimicrobiens, mais surtout, il établit un nouveau paradigme de « découverte de produits naturels guidée par les données ». À l'avenir, cette recherche pourra être approfondie dans plusieurs directions : premièrement, le criblage fonctionnel et l'optimisation structurale d'autres c_AMP à fort potentiel au sein d'AMPSphere ; deuxièmement, l'utilisation de la biologie synthétique pour obtenir une expression efficace dans des hôtes hétérologues, afin de relever les défis de la production à grande échelle ; enfin, l'exploration approfondie des fonctions écologiques des AMP dans la dynamique des populations microbiennes et les interactions hôte-microbe. En conclusion, cette étude démontre avec force l'immense valeur de la combinaison de l'intelligence artificielle et de la métagénomique pour relever le défi mondial de la résistance aux antibiotiques, offrant ainsi une clé pour accéder aux thérapies antimicrobiennes de nouvelle génération.
Article original :
Santos-Júnior CD, Torres MDT, Duan Y, Rodríguez Del Río Á, Schmidt TSB, Chong H, Fullam A, Kuhn M, Zhu C, Houseman A, Somborski J, Vines A, Zhao XM, Bork P, Huerta-Cepas J, de la Fuente-Nunez C, Coelho LP. Découverte de peptides antimicrobiens dans le microbiome mondial grâce à l'apprentissage automatique. Cellule. 11 juillet 2024;187(14):3761-3778.e16.
https://doi.org/10.1016/j.cell.2024.05.013