Lecture · veille du 16 octobre 2026
Accélération de la recherche des peptides antimicrobiens avec Google Antigravity
Google DeepMind Blog Publié le 15 octobre 2026 à 16:08 Angle technique Article en anglais pertinence 4 sur 5
Lire l'article original sur Google DeepMind Blog, dans une nouvelle fenêtre
La découverte de nouveaux peptides antimicrobiens est essentielle pour lutter contre la résistance aux antibiotiques.
- La résistance aux antimicrobiens constitue une crise sanitaire majeure, susceptible d'entraîner 10 millions de décès annuels en 2050.
- Les peptides antimicrobiens, notamment les bactéricines, représentent une alternative prometteuse aux antibiotiques traditionnels.
- Des séquences de protéines, notamment des bactéricines comme la Nisin et des découvertes récentes comme le Darobactin, sont présentes dans les bases de données génomiques.
- De nombreuses séquences protéiques restent non annotées et leur fonction est inconnue.
Face à l'urgence de la résistance aux antimicrobiens, la recherche de nouvelles thérapies se concentre sur les peptides antimicrobiens, en particulier les bactéricines. Ces derniers sont particulièrement intéressants car ils ciblent des vulnérabilités fondamentales chez les bactéries, ce qui rend le développement de résistances plus difficile.
L'abondance de séquences protéiques dans les bases de données, notamment grâce aux projets de séquençage génomique et métagénomique, offre un potentiel considérable. Cependant, une grande partie de ces séquences restent non annotées, représentant un obstacle à la découverte de nouveaux composés.
Pour surmonter ce défi, Google a développé ProtNLM, un modèle d'apprentissage profond capable d'interpréter l'« grammaire » évolutive des séquences d'acides aminés et de prédire leur fonction biologique. Ce modèle permet d'attribuer des étiquettes fonctionnelles à des millions de séquences protéiques précédemment non identifiées.
Mots-clés : peptidesantimicrobiensDeepMind
Transparence : synthèse en français produite automatiquement par un modèle de langage local (gemma3:4b (Ollama, local sur le VPS)), non révisée. Le texte intégral reste chez l'éditeur d'origine.