Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
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)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC-SYG - HORIZON ERC Synergy Grants

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

Invito a presentare proposte

(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
€ 2 421 120,00
Indirizzo
RUE DE TOLBIAC 101
75654 Paris
Francia
Regione
Ile-de-France Ile-de-France Paris
Tipo di attività
Research Organisations
Collegamenti
Costo totale
€ 2 421 120,00

Beneficiari (4)