Les projets financés
PandemicStop-AI
Découvrir rapidement de nouveaux antibiotiques grâce à la mise en œuvre d’une boucle d’apprentissage continu supportée par l’intelligence artificielle et la production de données à haut débit sur les molécules candidates.
Directeur scientifique
Dr Yves Brun
Université de Montréal
Jacques Corbeil
Université Laval et Mila
Institutions et partenaires clés
Au-delà de son consortium principal, PandemicStop-AI s'appuie sur un écosystème élargi de partenaires nationaux et internationaux qui renforce sa capacité d'innovation et accélère le transfert des découvertes vers des applications concrètes. Cet écosystème comprend notamment le McGill Antimicrobial Resistance Centre, l’initiative AMRQ, le réseau pan-canadien Can-AMR-Net, Médicament Québec, l'Institut Pasteur, le Fonds de recherche biomédicale du Canada (CBRF), le PPPeC et IVADO R3AI, qui contribuent à la collaboration scientifique, au partage des connaissances, au développement des talents et au rayonnement du projet.
Le consortium poursuit également l'expansion de ce réseau stratégique pour former un écosystème élargi à l’international incluant le consortium Gr-ADI, NCCR AntiResist, CO-ADD et Breakthrough, afin d'accélérer la découverte de nouveaux antibiotiques et de renforcer la préparation aux futures pandémies bactériennes.
Le défi adressé
La résistance aux antibiotiques est l'une des plus grandes menaces pour la santé mondiale. En 2019, elle a causé davantage de décès que la COVID-19 lors de ses deux premières années de pandémie.
Malgré cette urgence, très peu de nouvelles classes d'antibiotiques ont été découvertes au cours des dernières décennies. La découverte de nouveaux traitements demeure longue, coûteuse et complexe, alors que l'émergence de bactéries résistantes pourrait provoquer de futures pandémies.
Le Canada doit donc être capable de découvrir rapidement de nouveaux antibiotiques lorsqu'un nouveau pathogène apparaît dans notre environnement.
La solution
PandemicStop-AI développe une plateforme intégrée qui combine l'intelligence artificielle, les technologies de criblage à haut débit et l'expertise d'un vaste réseau de partenaires afin d'accélérer la découverte de nouvelles classes d'antibiotiques.
En exploitant d'importantes quantités de données expérimentales, la plateforme permet d'explorer beaucoup plus rapidement l'immense espace chimique des molécules potentielles, d'identifier les candidats les plus prometteurs et de les faire progresser vers les essais précliniques.
L'objectif est de doter le Canada d'une capacité de réponse rapide face aux futures épidémies d’origine bactérienne.
Le fonctionnement
1. Apprendre : Générer de vastes ensembles de données sur les interactions entre les bactéries et des millions de composés chimiques afin d'entraîner des modèles d'intelligence artificielle.
2. Découvrir : Utiliser l'intelligence artificielle et des plateformes de criblage automatisées pour identifier rapidement de nouveaux antibiotiques efficaces et sécuritaires.
3. Accélérer : Optimiser les meilleurs candidats, développer leur fabrication au Canada et les préparer pour les études précliniques et cliniques.
Jalons atteints
-
Mise en place d'un consortium pancanadien réunissant les expertises en microbiologie, en intelligence artificielle, en chimie et en développement pharmaceutique.
-
Développement de plateformes de criblage automatisées et de modèles d'intelligence artificielle.
-
Identification de premiers candidats antibiotiques prometteurs grâce aux approches expérimentales et in silico.
-
Validation de nouvelles molécules prototypes présentant une activité contre des bactéries résistantes.
Prochaines étapes
- Optimiser les modèles d'intelligence artificielle pour accélérer encore davantage la découverte de nouvelles molécules.
- Faire progresser les meilleurs candidats vers le développement préclinique.
- Déployer une plateforme prête à être adaptée rapidement lors de l'émergence d'un nouveau pathogène résistant.