Halicine

	Halicine
Identification
Nom UICPA	5-[(5-Nitro-1,3-thiazol-2-yl)sulfanyl]-1,3,4-thiadiazol-2-amine
No CAS	40045-50-9
PubChem	11837140
ChEBI	146227
SMILES
InChI
Propriétés chimiques
Formule	C5H3N5O2S3;
Masse molaire	261,305 ± 0,021 g/mol ; C 22,98 %, H 1,16 %, N 26,8 %, O 12,25 %, S 36,81 %,
	Unités du SI et CNTP, sauf indication contraire.
	modifier

L'halicine (SU-3327) est un composé chimique qui agit comme un inhibiteur de l'enzyme c-Jun N-terminal kinase (en) (JNK)^[2]^,^[3]^,^[4]. À l'origine, il a été recherché pour le traitement du diabète^[5] mais le développement n'a pas été poursuivi pour cette application en raison des mauvais résultats des tests.

Par la suite, l'halicine a été identifié par des chercheurs en intelligence artificielle de la MIT Jameel Clinic en 2019 à l'aide d'une approche d'apprentissage profond in silico, comme un antibiotique probable à large spectre^[6]^,^[7]. Cette probabilité a été vérifiée par des tests de culture cellulaire in vitro, suivis de tests in vivo sur des souris^[8]. Ce composé a montré une activité contre les souches pharmacorésistantes de Clostridioides difficile, Acinetobacter baumannii et Mycobacterium tuberculosis, avec un mécanisme d'action inhabituel impliquant la séquestration du fer à l'intérieur des bactéries, ce qui interfère avec leur capacité à réguler correctement l'équilibre du pH à travers la membrane cellulaire. Comme il s'agit d'un mode d'action différent de celui de la plupart des antibiotiques, l'halicine a conservé son activité contre les souches bactériennes résistantes à de nombreux médicaments couramment utilisés^[9].

Des études préliminaires suggèrent que l'halicine perturbe le gradient électrochimique à travers les membranes cellulaires des micro-organismes, entravant leur capacité à produire de l'ATP, nécessaire à leur survie. Face à ce type de mécanisme, il pourrait être difficile pour les bactéries de développer une résistance^[7].

Références

(en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Halicin » (voir la liste des auteurs).

↑ Masse molaire calculée d’après « Atomic weights of the elements 2007 », sur www.chem.qmul.ac.uk.
↑ Augustine C, Cepinskas G et Fraser DD, « Traumatic injury elicits JNK-mediated human astrocyte retraction in vitro », Neuroscience, vol. 274,‎ août 2014, p. 1–10 (PMID 24838066, DOI 10.1016/j.neuroscience.2014.05.009, S2CID 9498486).
↑ Jang S et Javadov S, « Inhibition of JNK aggravates the recovery of rat hearts after global ischemia: the role of mitochondrial JNK », PLOS One, vol. 9, n^o 11,‎ 2014, e113526 (PMID 25423094, PMCID 4244102, DOI 10.1371/journal.pone.0113526 , Bibcode 2014PLoSO...9k3526J).
↑ Jang S, Yu LR, Abdelmegeed MA, Gao Y, Banerjee A et Song BJ, « Critical role of c-jun N-terminal protein kinase in promoting mitochondrial dysfunction and acute liver injury », Redox Biology, vol. 6,‎ décembre 2015, p. 552–564 (PMID 26491845, PMCID 4625008, DOI 10.1016/j.redox.2015.09.040).
↑ De SK, Stebbins JL, Chen LH, Riel-Mehan M, Machleidt T, Dahl R, Yuan H, Emdadi A, Barile E, Chen V, Murphy R et Pellecchia M, « Design, synthesis, and structure-activity relationship of substrate competitive, selective, and in vivo active triazole and thiadiazole inhibitors of the c-Jun N-terminal kinase », Journal of Medicinal Chemistry, vol. 52, n^o 7,‎ avril 2009, p. 1943–52 (PMID 19271755, PMCID 2667321, DOI 10.1021/jm801503n).
↑ (en) « Artificial Intelligence Yields New Antibiotic », sur The MIT Campaign for a Better World (consulté le 13 novembre 2020).
↑ ^{a et b} Anne Trafton, « Artificial intelligence yields new antibiotic », sur MIT News Office, 20 février 2020.
↑ Ian Sample, « Powerful antibiotic discovered using machine learning for first time », sur The Guardian, 20 février 2020.
↑ Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, MacNair CR, French S, Carfrae LA, Bloom-Ackerman Z, Tran VM, Chiappino-Pepe A, Badran AH, Andrews IW, Chory EJ, Church GM, Brown ED, Jaakkola TS, Barzilay R et Collins JJ, « A Deep Learning Approach to Antibiotic Discovery », Cell, vol. 180, n^o 4,‎ février 2020, p. 688–702.e13 (PMID 32084340, PMCID 8349178, DOI 10.1016/j.cell.2020.01.021 ).

Liens externes

Machine Learning for Antibiotics, sur blogs.sciencemag.org

[1] Masse molaire calculée d’après « Atomic weights of the elements 2007 », sur www.chem.qmul.ac.uk.

[2] Augustine C, Cepinskas G et Fraser DD, « Traumatic injury elicits JNK-mediated human astrocyte retraction in vitro », Neuroscience, vol. 274,‎ août 2014, p. 1–10 (PMID 24838066, DOI 10.1016/j.neuroscience.2014.05.009, S2CID 9498486).

[3] Jang S et Javadov S, « Inhibition of JNK aggravates the recovery of rat hearts after global ischemia: the role of mitochondrial JNK », PLOS One, vol. 9, n^o 11,‎ 2014, e113526 (PMID 25423094, PMCID 4244102, DOI 10.1371/journal.pone.0113526 , Bibcode 2014PLoSO...9k3526J).

[4] Jang S, Yu LR, Abdelmegeed MA, Gao Y, Banerjee A et Song BJ, « Critical role of c-jun N-terminal protein kinase in promoting mitochondrial dysfunction and acute liver injury », Redox Biology, vol. 6,‎ décembre 2015, p. 552–564 (PMID 26491845, PMCID 4625008, DOI 10.1016/j.redox.2015.09.040).

[5] De SK, Stebbins JL, Chen LH, Riel-Mehan M, Machleidt T, Dahl R, Yuan H, Emdadi A, Barile E, Chen V, Murphy R et Pellecchia M, « Design, synthesis, and structure-activity relationship of substrate competitive, selective, and in vivo active triazole and thiadiazole inhibitors of the c-Jun N-terminal kinase », Journal of Medicinal Chemistry, vol. 52, n^o 7,‎ avril 2009, p. 1943–52 (PMID 19271755, PMCID 2667321, DOI 10.1021/jm801503n).

[6] (en) « Artificial Intelligence Yields New Antibiotic », sur The MIT Campaign for a Better World (consulté le 13 novembre 2020).

[:0-7] {a et b} Anne Trafton, « Artificial intelligence yields new antibiotic », sur MIT News Office, 20 février 2020.

[8] Ian Sample, « Powerful antibiotic discovered using machine learning for first time », sur The Guardian, 20 février 2020.

[9] Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, MacNair CR, French S, Carfrae LA, Bloom-Ackerman Z, Tran VM, Chiappino-Pepe A, Badran AH, Andrews IW, Chory EJ, Church GM, Brown ED, Jaakkola TS, Barzilay R et Collins JJ, « A Deep Learning Approach to Antibiotic Discovery », Cell, vol. 180, n^o 4,‎ février 2020, p. 688–702.e13 (PMID 32084340, PMCID 8349178, DOI 10.1016/j.cell.2020.01.021 ).

[2]

[3]

[4]

[5]

[1]

[6]

[7]

[8]

[9]