Generating solutions

Les options de traitement pour les personnes infectées de bactéries résistantes aux antibiotiques sont limitées de nos jours et pourraient le devenir encore plus au fil du temps. Le risque d’une ère post-antibiotique, pendant laquelle les infections même mineures ou les interventions médicales courantes pourraient être fatales, est réel. Au-delà des coûts personnels, le fardeau économique de la résistance aux médicaments est élevé et selon les estimations, il coûte plus de 1 milliard de dollars par année en Amérique du Nord seulement. Le dépistage génomique des agents pathogènes pour en déterminer l’identité et la sensibilité aux antibiotiques pourrait être à la fois plus précis et efficace que d’autres méthodes de diagnostic des maladies infectieuses et de choix des traitements appropriés. La difficulté réside toutefois dans deux domaines : l’analyse du grand volume de données produites par ce séquençage pour comprendre les facteurs génomiques qui sous-tendent la résistance aux médicaments et la création d’un modèle précis de prédiction de la résistance aux médicaments à partir des données de séquençage. Maxwell Libbrecht, Ph. D., et Leonid Chindelevitch, Ph. D., de l’Université Simon Fraser et Jesse Shapiro, Ph. D., de l’Université McGill mettent au point des outils informatiques basés sur l’apprentissage machine qui permettront de révéler les relations complexes entre les séquences des génomes bactériens et la résistance aux antibiotiques, d’après les données des génomes bactériens qui existent déjà dans les banques de données publiques et celles que possèdent leurs collaborateurs. Le projet, qui fait suite à deux projets financés dans le cadre du Concours 2015 en bio-informatique et en géomatique, aboutira à deux outils : un modèle prédictif exhaustif de la résistance à divers médicaments de bactéries précises, qui se mettra à jour par lui-même à mesure que de nouvelles données seront connues; et une interface Web conviviale qui permettra aux chercheurs, y compris les chercheurs en milieu clinique et en santé publique, de télécharger en toute sécurité et d’analyser des données génomiques de bactéries pathogènes et ainsi de prédire avec exactitude la résistance aux médicaments. Cet outil vise à stimuler la recherche sur la résistance aux médicaments et la mise au point de meilleurs outils cliniques, au profit finalement des patients atteints de maladies infectieuses.