Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Deep learning analysis of imaging and metabolomic data to accelerate antibiotic discovery against antimicrobial resistance

Descrizione del progetto

La tecnologia intelligente affronta i batteri multiresistenti

La resistenza antimicrobica (AMR) rappresenta una grave minaccia per la salute globale, con pochi nuovi antibiotici all’orizzonte. Gli attuali metodi di scoperta dei farmaci sono lenti e spesso mancano di dettagli chiave sul funzionamento dei nuovi antibiotici. In questo contesto, il progetto AI4AMR, finanziato dal CER, intende affrontare questa sfida integrando microbiologia, genetica, IA e tecniche di screening avanzate per creare una pipeline più rapida ed efficiente per la scoperta di nuovi antibiotici. Sfruttando l’apprendimento profondo per analizzare vaste serie di dati sulle risposte dei batteri, AI4AMR può individuare i bersagli dei farmaci e i meccanismi d’azione in tempi record. Questo approccio innovativo promette di scoprire nuovi antibiotici, anche da prodotti naturali complessi, accelerando la lotta contro la resistenza antimicrobica e garantendo trattamenti più efficaci per il futuro.

Obiettivo

Antimicrobial resistance (AMR) is one of the most pressing global health problems of our times. To counteract AMR, we urgently need new antibiotics, particularly with novel modes of action (MoA). However, while typical antibiotic screening pipelines can identify compounds that impair bacterial growth, they are unable to predict drug targets and MoA so must be followed up by time-consuming target identification steps. By synergizing our expertise in microbiology, genetics, advanced microscopy, metabolomics, medicinal chemistry, computational biology and artificial intelligence (AI), we propose to create a new pipeline at the forefront of the antibiotic discovery field that will be capable of informing simultaneously on the bioactivity and MoA of new antibiotic candidates. Working with seven pathogens, our improved acquisition strategies for both imaging-based high-content screening and metabolomics will generate a massive dataset of rich multidimensional phenotypes of libraries of genetic mutants and of bacteria exposed to a range of perturbants, at unprecedented scale. Deep learning analyses will then enable us to explore these massive datasets to correlate chemical-induced phenotypes to those from mutants, linking drugs to genes to elucidate the target/MoA of new drugs. This innovative pipeline will enable us to explore unique chemical spaces, including complex natural product extracts (without the need for isolation of individual components) and novel synthetic compounds. Promising candidates with novel MoA will be tested against drug-resistant clinical isolates and against a future pandemic 'pathogen X', demonstrating our pipeline as an AI-powered solution for achieving higher productivity in antibiotic discovery. AI4AMR will provide the community with a new pipeline to efficiently screen large compound libraries to identify novel antibiotics and define their MoA and target, helping directly to combat AMR.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-ERC-SYG - HORIZON ERC Synergy Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2024-SyG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

INSTITUT NATIONAL DE LA SANTE ET DE LA RECHERCHE MEDICALE
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 2 421 120,00
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 2 421 120,00

Beneficiari (4)

Il mio fascicolo 0 0