Résumé : Des chercheurs ont utilisé l’IA pour accélérer la découverte de traitements pour la maladie de Parkinson. Ils ont utilisé des techniques d’apprentissage automatique pour passer au crible des millions de composés et ont réussi à identifier cinq candidats prometteurs qui empêchent l’agglutination nocive de l’alpha-synucléine, une protéine clé dans la pathologie de la maladie de Parkinson.
Des chercheurs ont utilisé des techniques d’intelligence artificielle pour accélérer considérablement la recherche 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 des composés qui bloquent l’agglutination de l’alpha-synucléine, la protéine qui caractérise la maladie de Parkinson.
L’équipe a utilisé des techniques d’apprentissage automatique pour passer rapidement au crible une chimiothèque contenant des millions d’entrées, et a identifié cinq composés très puissants à étudier plus avant.
La maladie de Parkinson touche plus de six millions de personnes dans le monde, et ce nombre devrait tripler d’ici 2040. Il n’existe actuellement aucun traitement modificateur de la maladie.
Le processus de sélection de grandes chimiothèques à la recherche de médicaments candidats – qui doit avoir lieu bien avant que les traitements potentiels puissent être testés sur des patients – prend énormément de temps et d’argent, et est souvent infructueux.
Grâce à l’apprentissage automatique, les chercheurs ont pu décupler le processus de dépistage initial et en réduire le coût de mille fois, ce qui pourrait signifier que les traitements potentiels de la maladie de Parkinson atteignent les patients beaucoup plus rapidement.
Les résultats sont publiés dans la revue Nature Chemical Biology.
La maladie de Parkinson est l’affection neurologique qui connaît la croissance la plus rapide dans le monde. Au Royaume-Uni, une personne sur 37 vivant aujourd’hui sera diagnostiquée avec la maladie de Parkinson au cours de sa vie.
Outre les 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 réduction de la qualité de vie et à un handicap important.
Les protéines sont responsables d’importants processus cellulaires, mais chez 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 à l’intérieur des cellules cérébrales et les empêchent de fonctionner correctement.
« L’une des voies de recherche de traitements potentiels de la maladie de Parkinson passe par l’identification de petites molécules capables d’inhiber l’agrégation de l’alpha-synucléine, une protéine étroitement associée à la maladie », explique le professeur Michele Vendruscolo, du département de chimie Yusuf Hamied, qui a dirigé la recherche.
« Mais c’est un processus qui prend énormément de temps – le simple fait d’identifier un candidat principal pour des tests plus poussés peut prendre des mois, voire des années.
Bien que des essais cliniques sur la maladie de Parkinson soient actuellement en cours, aucun médicament modifiant la maladie n’a été approuvé, ce qui témoigne de l’incapacité à cibler directement les espèces moléculaires à l’origine de la maladie.
Il s’agit là d’un obstacle majeur à la recherche sur la maladie de Parkinson, en raison de l’absence de méthodes permettant d’identifier les bonnes cibles moléculaires et d’entrer en contact avec elles. Cette lacune technologique a gravement entravé le développement de traitements efficaces.
L’équipe de Cambridge a mis au point une méthode d’apprentissage automatique dans laquelle des chimiothèques contenant des millions de composés sont passées au crible afin d’identifier les petites molécules qui se lient aux agrégats amyloïdes et bloquent leur prolifération.
Un petit nombre de composés de premier rang ont ensuite été testés expérimentalement pour sélectionner les inhibiteurs les plus puissants de l’agrégation.
Les informations tirées de ces essais 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 procédons à un dépistage informatique », a déclaré M. Vendruscolo, codirecteur du Centre for Misfolding Diseases (Centre des maladies liées au mauvais pliage).
« En utilisant les connaissances acquises lors du criblage initial avec notre modèle d’apprentissage automatique, nous avons pu entraîner le modèle à identifier les régions spécifiques de ces petites molécules responsables de la liaison, puis nous pouvons refaire un criblage et trouver des molécules plus puissantes.
Financement : Les recherches ont été menées dans le laboratoire de chimie de la santé de Cambridge, qui a été créé avec le soutien du UK Research Partnership Investment Fund (UKRPIF) pour promouvoir l’application de la recherche universitaire dans les programmes cliniques.
Source: https://neurosciencenews.com/ai-parkinsons-neuropharmacology-25936
Pour plus: https://blog.nabady.ma
