Les scientifiques de l’Université Tufts utilisent un modèle de « carte du métro » pour identifier les composés ciblant la maladie de Lyme, pointant vers de futurs traitements plus précis.
Le modèle, créé par les chercheurs de Tufts, a montré que deux médicaments existants présentent un potentiel pour des options thérapeutiques plus sélectives.
Les scientifiques de la faculté de médecine de l’Université Tufts ont développé un modèle métabolique à l’échelle du génome ou une « carte de métro » des principales activités métaboliques de la bactérie responsable de la maladie de Lyme. Grâce à cette carte, ils ont réussi à identifier deux composés qui ciblent sélectivement les voies utilisées uniquement par la maladie de Lyme pour infecter un hôte. Leurs recherches ont été publiées le 19 octobre dans la revue mSystèmes.
Bien qu’aucun des deux médicaments ne soit un traitement viable contre la maladie de Lyme car ils entraînent de nombreux effets secondaires, l’utilisation réussie de la « carte du métro » informatique pour prédire les cibles des médicaments et les éventuels traitements existants démontre qu’il pourrait être possible de développer des micro-substances qui bloquent uniquement la maladie de Lyme. tout en laissant intactes les autres bactéries utiles.
Comprendre les modèles métaboliques à l’échelle du génome
Les modèles métaboliques à l’échelle du génome (GEM) collectent toutes les informations métaboliques connues sur un système biologique, y compris les gènes, les enzymes, les métabolites et d’autres informations. Ces modèles utilisent le big data et apprentissage automatique pour aider les scientifiques à comprendre les mécanismes moléculaires, à faire des prédictions et à identifier de nouveaux processus qui pourraient être auparavant inconnus et même contre-intuitifs par rapport aux processus biologiques connus.
Défis actuels liés au traitement de la maladie de Lyme
Actuellement, la maladie de Lyme est traitée avec des antibiotiques à large spectre qui tuent la bactérie de Lyme. Borrélia burgdorferi, mais tuent également simultanément un large éventail d’autres bactéries qui habitent le microbiome d’un hôte et remplissent de nombreuses fonctions utiles. Certaines personnes présentant des symptômes chroniques de Lyme ou une maladie de Lyme récurrente prennent des antibiotiques pendant des années, bien que cela soit contraire aux directives médicales et qu’il n’y ait aucune preuve de leur efficacité.
« La plupart des antibiotiques que nous utilisons encore sont basés sur des découvertes vieilles de plusieurs décennies, et la résistance aux antibiotiques est un problème croissant dans de nombreuses maladies bactériennes », déclare Peter Gwynne, premier auteur de l’article et professeur adjoint de recherche en biologie moléculaire et microbiologie à Tufts. École universitaire de médecine et Tufts Lyme Disease Initiative. « Il existe un mouvement croissant visant à trouver des micro-substances qui ciblent une voie spécifique dans une seule bactérie, plutôt que de traiter les patients avec des antibiotiques à large spectre qui détruisent le microbiome et provoquent une résistance aux antibiotiques. »
Résultats du modèle informatique
Les deux composés identifiés à l’aide du modèle informatique « carte du métro » sont un médicament anticancéreux dont les effets secondaires importants rendent son utilisation peu pratique dans le traitement de la maladie de Lyme, et un médicament contre l’asthme retiré du marché en raison de ses effets secondaires. Les deux médicaments identifiés par le modèle ont été testés en laboratoire et ont réussi à tuer la bactérie de Lyme – et uniquement Lyme – en culture.
« La bactérie de Lyme constitue un excellent test pour les médicaments à spectre étroit, car elle est très limitée dans ses actions et très dépendante de son environnement. Cela la rend vulnérable, contrairement aux autres bactéries », explique Linden Hu, professeur d’immunologie Paul et Elaine Chervinsky, professeur de biologie moléculaire et de microbiologie et auteur principal de l’étude.
Découverte accélérée du traitement
L’utilisation du modèle informatique – que Gwynne et ses collaborateurs ont développé pendant la COVID alors qu’ils ne pouvaient pas travailler sur place en laboratoire – a le potentiel de permettre aux scientifiques d’éviter certaines étapes scientifiques fondamentales laborieuses et de conduire à des tests et à un développement plus rapides de traitements plus ciblés.
« Nous pouvons maintenant utiliser ce modèle pour rechercher des composés similaires qui n’ont pas la même toxicité que les médicaments anticancéreux et contre l’asthme, mais qui pourraient potentiellement arrêter la même partie ou une autre partie du processus de la maladie de Lyme », explique Gwynne, une récente récipiendaire du Prix du leader émergent de la Bay Area Lyme Foundation.
Gwynne et Hu mènent d’autres recherches pour déterminer si les personnes présentant des symptômes chroniques de Lyme sont toujours infectées ou souffrent d’un dysfonctionnement immunitaire qui crée des symptômes chroniques. «Je peux imaginer un jour où les gens prendront un traitement ciblé contre la maladie de Lyme pendant deux semaines plutôt qu’un antibiotique à large spectre, seront testés et déterminés comme indemnes de l’infection, puis prendront des médicaments pour maîtriser leur réponse immunitaire si les symptômes chroniques persistent.» dit Gwynne.
Gwynne affirme que des « cartes de métro » informatiques similaires peuvent être développées pour d’autres bactéries avec des génomes relativement petits, telles que celles qui causent les maladies sexuellement transmissibles, la syphilis et la chlamydia, et la rickettsie, qui provoque la fièvre pourprée des montagnes Rocheuses. L’équipe de Gwynne envisage d’élaborer des cartes pour certaines de ces bactéries.
Les recherches rapportées dans cet article ont été financées par la Bay Area Lyme Foundation et par l’Institut national des allergies et des maladies infectieuses du Instituts nationaux de la santé sous l’attribution R01AI122286. Les co-auteurs incluent Kee-Lee Stocks, titulaire d’un doctorat. étudiant à la Tufts Graduate School of Biomedical Sciences (GSBS); l’assistante de recherche Aarya Pandit, E25, au GSBS ; et ancienne assistante de recherche Elysse S. Karozichian, E23, au GSBS. Des informations complètes sur les auteurs, les bailleurs de fonds, la méthodologie et les conflits d’intérêts sont disponibles dans l’article publié.
Le contenu relève uniquement de la responsabilité des auteurs et ne représente pas nécessairement les opinions officielles des bailleurs de fonds.
