Des chercheurs exploitent l’IA et les simulations moléculaires pour découvrir de nouvelles voies vers des traitements personnalisés contre le cancer, ouvrant la voie à des thérapies plus efficaces.
L’équipe, dirigée par l’Université d’Auburn en collaboration avec des scientifiques des universités de Bâle et de l’ETH Zurich, a mis au point une approche novatrice intégrant l’intelligence artificielle (IA) avec des simulations de dynamique moléculaire et une analyse de réseau pour améliorer la prédiction des sites de liaison sur la protéine PD-L1.
Cette avancée promet d’accélérer le développement de traitements personnalisés en identifiant des points d’interaction clés sur les protéines impliquées dans le cancer.
« L’utilisation d’outils informatiques pour l’ingénierie des protéines représente la prochaine frontière dans les thérapies contre le cancer », a déclaré le Dr Rafael Bernardi, chef de l’équipe de recherche.
« Notre approche intégrée, combinant IA, dynamique moléculaire et analyse de réseau, possède un potentiel immense pour développer des thérapies personnalisées pour les patients atteints de cancer. »
L’IA dans le domaine de la santé pourrait jouer un rôle clé dans l’amélioration des immunothérapies, comme le pembrolizumab (Keytruda), qui révolutionnent déjà les traitements contre le cancer.
Tracer l’avenir des traitements personnalisés contre le cancer L’un des plus grands défis dans les thérapies personnalisées contre le cancer est de prédire avec précision où un médicament peut se lier à sa protéine cible. Dans cette étude, les chercheurs se sont concentrés sur PD-L1, une protéine de contrôle que les cancers exploitent pour échapper au système immunitaire.
Certains médicaments modernes permettent de libérer le système immunitaire pour attaquer les tumeurs en bloquant PD-L1. Cependant, comprendre précisément où cibler PD-L1 avec de nouveaux traitements reste un problème de longue date.
L’équipe a développé une méthode sophistiquée combinant des outils d’IA basés sur AlphaFold2, des simulations de dynamique moléculaire et des analyses de réseau dynamique.
Cette approche leur a permis de prédire et de confirmer les régions de liaison clés sur la protéine PD-L1, essentielles pour l’interaction avec les médicaments.
La démarche informatique a été validée par des techniques expérimentales de pointe, notamment la spectrométrie de masse par cross-linking et le séquençage de nouvelle génération. Ces expériences ont confirmé la précision des prédictions de l’équipe, démontrant la puissance de la combinaison de modèles computationnels et de validations expérimentales pour démêler les interactions complexes entre protéines et créer des traitements personnalisés contre le cancer.
L’impact des interactions protéiques sur la découverte de médicaments Les répercussions de cette étude vont bien au-delà de la PD-L1. Les méthodes développées peuvent être appliquées à de nombreuses autres protéines, ouvrant ainsi la voie à la découverte de nouvelles cibles thérapeutiques pour diverses maladies, y compris d’autres types de cancer et des affections auto-immunes.
De plus, cette recherche ouvre la voie à un développement plus rapide et moins coûteux des thérapies contre le cancer, un domaine où les méthodes expérimentales traditionnelles peuvent être longues et coûteuses.
« Cette étude met en lumière le potentiel des outils informatiques comme NAMD et VMD, associés à du matériel de pointe tel que les systèmes NVIDIA DGX, pour faire avancer les thérapies contre le cancer. Nos résultats marquent une étape importante vers le développement de nouveaux traitements ciblés », a expliqué le Dr Diego Gomes, auteur principal des travaux et chercheur à l’Université d’Auburn.
Ainsi, cette nouvelle approche, à la croisée de l’IA et de la biologie moléculaire, pourrait bien changer le paysage des thérapies contre le cancer et offrir aux patients des traitements toujours plus personnalisés et efficaces.
Source: https://www.innovationnewsnetwork.com/ai-unlocks-new-path-to-personalised-cancer-treatments/51028
Pour plus d’articles: https://blog.nabady.ma
