in

Une méthode d'IA révolutionnaire identifie de nouveaux traitements contre la maladie de Parkinson 10 fois plus rapidement

SciTechDaily

Des chercheurs de l'Université de Cambridge ont utilisé l'intelligence artificielle pour accélérer la découverte de traitements contre la maladie de Parkinson en criblant des millions de composés, identifiant finalement cinq candidats puissants. Cette méthode basée sur l'IA a décuplé le processus de dépistage et réduit considérablement les coûts, accélérant potentiellement le développement de nouveaux traitements pour la population mondiale en croissance rapide de la maladie de Parkinson.

Les chercheurs ont exploité les méthodes de l’intelligence artificielle pour accélérer considérablement la découverte de traitements contre la maladie de Parkinson.

Les chercheurs de l'Université de Cambridge ont conçu et utilisé une stratégie basée sur l'IA pour identifier les composés qui bloquent l'agglutination ou l'agrégation de l'alpha-synucléine, la protéine qui caractérise la maladie de Parkinson.

L'équipe a utilisé apprentissage automatique techniques pour examiner rapidement une bibliothèque chimique contenant des millions d'entrées et identifier cinq composés très puissants pour des recherches plus approfondies.

La maladie de Parkinson touche plus de six millions de personnes dans le monde, et ce nombre devrait tripler d'ici 2040. Aucun traitement modificateur de la maladie n'est actuellement disponible. Le processus de sélection de grandes bibliothèques chimiques pour les candidats médicaments – qui doit avoir lieu bien avant que des traitements potentiels puissent être testés sur des patients – prend énormément de temps et est coûteux, et souvent infructueux.

Améliorer l'efficacité du dépistage grâce à l'apprentissage automatique

Grâce à l'apprentissage automatique, les chercheurs ont pu accélérer de dix fois le processus de dépistage initial et réduire le coût de mille fois, ce qui pourrait signifier que les traitements potentiels contre la maladie de Parkinson atteignent les patients beaucoup plus rapidement. Les résultats sont rapportés dans la revue Nature Chimique Biologie.

La maladie de Parkinson est la maladie neurologique qui connaît la croissance la plus rapide dans le monde. Au Royaume-Uni, une personne sur 37 vivant aujourd'hui recevra un diagnostic de maladie de Parkinson au cours de sa vie. En plus des symptômes moteurs, la maladie de Parkinson peut également affecter le système gastro-intestinal, le système nerveux, les habitudes de sommeil, l'humeur et la cognition, et peut contribuer à une qualité de vie réduite et à un handicap important.

Les protéines sont responsables de processus cellulaires importants, mais lorsque les personnes atteintes de la maladie de Parkinson, ces protéines se dérèglent et provoquent la mort des cellules nerveuses. Lorsque les protéines se replient mal, elles peuvent former des amas anormaux appelés corps de Lewy, qui s’accumulent dans les cellules cérébrales et les empêchent de fonctionner correctement.

« Une voie de recherche de traitements potentiels pour la maladie de Parkinson nécessite l'identification de petites molécules capables d'inhiber l'agrégation de l'alpha-synucléine, une protéine étroitement associée à la maladie », a déclaré le professeur Michele Vendruscolo du département de chimie Yusuf Hamied, qui a dirigé la recherche. « Mais il s’agit d’un processus extrêmement long : le simple fait d’identifier un candidat principal pour des tests plus approfondis peut prendre des mois, voire des années. »

Bien que des essais cliniques soient actuellement en cours pour la maladie de Parkinson, aucun médicament modificateur de la maladie n'a été approuvé, ce qui reflète l'incapacité de cibler directement les molécules espèces qui causent la maladie.

Cela constitue un obstacle majeur à la recherche sur la maladie de Parkinson, en raison du manque de méthodes permettant d'identifier les cibles moléculaires correctes et de les utiliser. Ce fossé technologique a gravement entravé le développement de traitements efficaces.

Innovations dans le dépistage informatique des médicaments

L'équipe de Cambridge a développé une méthode d'apprentissage automatique dans laquelle des bibliothèques chimiques contenant des millions de composés sont examinées pour identifier les petites molécules qui se lient aux agrégats amyloïdes et bloquent leur prolifération.

Un petit nombre de composés de premier plan ont ensuite été testés expérimentalement pour sélectionner les inhibiteurs d'agrégation les plus puissants. Les informations obtenues grâce à ces tests expérimentaux ont été réinjectées dans le modèle d'apprentissage automatique de manière itérative, de sorte qu'après quelques itérations, des composés très puissants ont été identifiés.

« Au lieu de procéder à un dépistage expérimental, nous effectuons un dépistage informatique », a déclaré Vendruscolo, codirecteur du Center for Misfolding Diseases. « En utilisant les connaissances que nous avons acquises lors du criblage initial avec notre modèle d'apprentissage automatique, nous avons pu entraîner le modèle pour identifier les régions spécifiques de ces petites molécules responsables de la liaison, puis nous pouvons re-cribler et trouver des molécules plus puissantes. »

Grâce à cette méthode, l’équipe de Cambridge a développé des composés permettant de cibler des poches à la surface des agrégats, responsables de la prolifération exponentielle des agrégats eux-mêmes. Ces composés sont des centaines de fois plus puissants et beaucoup moins chers à développer que ceux rapportés précédemment.

« L'apprentissage automatique a un impact réel sur le processus de découverte de médicaments : il accélère l'ensemble du processus d'identification des candidats les plus prometteurs », a déclaré Vendruscolo. « Pour nous, cela signifie que nous pouvons commencer à travailler sur plusieurs programmes de découverte de médicaments, au lieu d’un seul. Tant de choses sont possibles grâce à la réduction massive des délais et des coûts – c’est une période passionnante.

La recherche a été menée au laboratoire de chimie de la santé de Cambridge, créé avec le soutien du UK Research Partnership Investment Fund (UKRPIF) pour promouvoir la traduction de la recherche universitaire en programmes cliniques.

SciTechDaily

Un dispositif révolutionnaire rapproche les scientifiques de la réussite de la culture de plantes dans l’espace

SciTechDaily

Transmission finale d'Ingenuity : l'équipe d'hélicoptères de Mars de la NASA dit au revoir… pour l'instant