L’IA aide l’humanité contre le cancer selon une étude
Des scientifiques de l’Université de Californie à San Diego ont développé une algorythme d’apprentissage automatique pour simuler les expériences chimiques de recherche, consommatrices de temps, qui interviennent au début de la découverte des médicaments. Cette avancée pourrait considérablement simplifier le processus et ouvrir la voie à des traitements contre le cancer sans précédent.
La recherche, menée par des chercheurs de l’Université de Californie à San Diego, aux États-Unis, a été publiée le 6 mai 2024 dans Nature Communications. Elle illustre comment des milliers d’expériences pour améliorer les médicaments candidats peuvent désormais être réalisées beaucoup plus rapidement grâce à cette nouvelle plateforme d’intelligence artificielle. Les chercheurs ont utilisé cet outil pour concevoir 32 nouveaux médicaments candidats pour le traitement du cancer.
Cette technologie fait partie d’une tendance émergente mais croissante dans les sciences pharmaceutiques : utiliser l’IA pour améliorer le processus de découverte et de développement des médicaments. Le professeur Trey Ideker, principal auteur de l’étude et professeur au département de médecine interne de la Faculté de médecine et professeur adjoint en génie biomédical et sciences informatiques à la Jacobs School of Engineering, tous deux à l’Université de Californie à San Diego, souligne : « La découverte de médicaments guidée par l’IA devient un champ d’activité très intense dans l’industrie. Contrairement aux méthodes développées par des entreprises, nous rendons notre technologie open-source et accessible à quiconque souhaite l’utiliser. »
La plateforme POLYGON
La plateforme, nommée POLYGON, se distingue parmi les outils d’IA conçus pour la découverte de médicaments. Elle peut identifier les molécules ciblant plusieurs protéines, tandis que les protocoles actuels de découverte de médicaments favorisent les traitements agissant sur une seule cible. Les médicaments multitargets sont particulièrement intéressants pour les médecins et les scientifiques en raison de leur capacité à offrir les mêmes avantages que les thérapies combinées.
Ideker note que trouver et développer un nouveau médicament, surtout s’il cible plusieurs objectifs, peut prendre des années et coûter des millions de dollars. Les rares médicaments multitargets disponibles ont été découverts presque par accident, mais cette nouvelle technologie pourrait éliminer le facteur chance et inaugurer une nouvelle ère de médecine de précision.
POLYGON a été formé sur une base de données de plus d’un million de molécules biologiquement actives et contient des informations détaillées sur leurs propriétés chimiques et leurs interactions. En apprenant des patterns dans cette base de données, POLYGON peut générer des formules chimiques originales pour de nouveaux candidats médicaments qui pourraient, par exemple, inhiber certaines protéines.
Ideker explique : « Tout comme l’IA peut maintenant créer de manière convaincante des images et des graphiques originaux, POLYGON est capable de générer des composés moléculaires originaux en fonction des propriétés chimiques souhaitées. »
Pour tester POLYGON, les chercheurs l’ont utilisé pour produire des centaines de médicaments candidats ciblant différentes paires de protéines associées au cancer. Parmi ces molécules, 32 ont montré les interactions les plus prometteuses avec deux protéines de signalisation cellulaire, MEK1 et MTOR, cibler simultanément ces protéines pourrait être suffisant pour éliminer les cellules cancéreuses.
Un espoir dans la lutte contre le cancer
Les médicaments produits ont montré une activité significative contre MEK1 et MTOR, avec peu d’interactions indésirables avec d’autres protéines. Cela suggère que certains des médicaments identifiés par POLYGON pourraient efficacement cibler ces deux protéines comme traitement contre le cancer, offrant une gamme d’options que les chimistes peuvent affiner avec précision.
Ideker met en garde : « Même une fois que vous avez des composés candidats pour devenir des médicaments, vous devez encore effectuer toutes les autres étapes chimiques nécessaires pour affiner ces options en un traitement efficace. » Il souligne l’importance de l’expertise humaine dans le processus de découverte de médicaments, même si l’IA peut rationaliser certaines étapes.
Excité par les perspectives futures, Ideker conclut : « Voir comment ce concept va évoluer au cours de la prochaine décennie, tant dans le monde académique que dans le secteur privé, sera extrêmement excitant. Les possibilités sont presque illimitées. »