Un médicament idéal pour une personne peut s’avérer inefficace ou nocif pour une autre, et il est difficile de prédire qui pourrait bénéficier d’un médicament donné. Aujourd’hui, une équipe internationale dirigée par le neuroscientifique Kirill Martemyanov, Ph.D. basée à l’Institut Herbert Wertheim UF Scripps pour l’innovation et la technologie biomédicales, forme l’intelligence artificielle à l’assistance.
Le groupe de Martemyanov a utilisé une puissante technologie de suivi moléculaire pour profiler l’action de plus de 100 cibles cellulaires importantes de médicaments, y compris leurs variations génétiques les as well as courantes. Les scientifiques ont ensuite utilisé ces données pour développer et former une plateforme ancrée dans l’IA. Dans une étude parue dans le numéro du 31 octobre de la revue Mobile Experiences, Martemyanov et ses collègues rapportent que leur algorithme prédit avec une précision de moreover de 80 % remark les récepteurs de la surface cellulaire réagiraient à des molécules de type médicament.
Les données utilisées pour entraîner l’algorithme ont été collectées au cours d’une décennie d’expérimentation. Leur objectif à prolonged terme est d’affiner l’outil et de l’utiliser pour contribuer à la conception de véritables médicaments de précision, a déclaré Martemyanov, qui préside le département de neurosciences de l’institut.
Un tiers de tous les médicaments agissent en se liant à des récepteurs de area cellulaire appelés récepteurs couplés aux protéines G, ou GPCR. Ce sont des complexes qui traversent la membrane cellulaire, avec une « station d’accueil » à l’extérieur de la cellule et une branche qui s’étend dans la cellule. Lorsqu’un médicament arrive dans son socle GPCR, la branche se déplace, déclenchant une protéine G à l’intérieur de la cellule et déclenchant une cascade de changements, comme la chute de dominos.
Le résultat de l’activation ou du blocage de ce processus peut aller du soulagement de la douleur à l’apaisement des allergic reactions ou à la réduction de la tension artérielle. Outre les médicaments, d’autres éléments comme les hormones, les neurotransmetteurs et même les odeurs s’associent aux GPCR pour diriger les activités biologiques.
Les scientifiques ont répertorié environ 800 GPCR chez l’homme. Approximativement la moitié est dédiée aux sens, notamment à l’odorat. Approximativement 250 autres reçoivent des médicaments ou d’autres molécules connues. L’équipe de Martemyanov a dû inventer un nouveau protocole pour les observer et les documenter. Ils ont trouvé beaucoup de surprises. Certains GPCR ont fonctionné comme prévu, mais d’autres non, notamment ceux des neurotransmetteurs appelés glutamate.
Les collaborateurs de Martemyanov sur le projet comprenaient son chercheur postdoctoral et in addition tard scientifique, Ikuo Masuho, Ph.D. qui dirige maintenant son propre laboratoire à Sanford Analysis à Sioux Falls, Iowa, ainsi que le concepteur de protéines informatiques Bruno E. Correia, Ph. D. basé à l’Institut suisse de bioinformatique, à Lausanne, en Suisse, et qui a joué un rôle déterminant dans la création de l’algorithme d’IA. Leur collaboration est née d’une conférence donnée par Correia sur le campus Jupiter en Floride il y a de nombreuses années, a déclaré Martemyanov.
Martemyanov a été frappé par le fait que pour qu’un algorithme d’intelligence artificielle soit utile, il doit être entraîné avec des données précises et des règles claires. La recherche sur les GPCR en était à ses débuts, a déclaré Martemyanov, et il leur manquait ce kind de données vastes et sophistiquées sur l’activité des GPCR.
« Si vous n’avez regardé qu’une seule patte de l’éléphant, vous n’aurez peut-être pas la bonne idée de la façon de la décrire vous ne verrez peut-être pas qu’il s’agit réellement d’un éléphant », a-t-il déclaré.
Classer les GPCR uniquement en fonction de leur activité la moreover connue revient à voir une patte d’éléphant, a-t-il déclaré. Il s’agit d’une simplification too much, trop générale pour former l’IA, a déclaré Martemyanov.
Pour documenter la signalisation de manière complète, ils se sont tournés vers une technologie utile appelée transfert d’énergie par résonance bioluminescente. Cela impliquait l’ingénierie d’une petite étiquette bioluminescente dans les protéines des cellules et la documentation du changement de luminescence lorsque la cellule était exposée à des molécules qui activent les GPCR.
Ils ont rassemblé les données, attaché des classements pour les préférences contraignantes et ont vu des modèles émerger. Les données ressemblaient à un ECG, avec des mesures du taux d’activation, de l’amplitude et de la sélectivité. Ils ont ajouté des variantes génétiques communes aux GPCR portés par les humains et ont documenté des différences significatives dans la façon dont ces récepteurs mutés répondaient lorsqu’ils étaient activés.
Lorsque le groupe de Correia en Suisse a formé l’algorithme pour faire des prédictions basées sur ces données additionally nuancées, les chercheurs ont été enthousiasmés par les résultats. Ils ont trouvé que c’était suitable dans additionally de 80 % du temps.
Les scientifiques espèrent que leurs résultats encourageront les développeurs de médicaments à adopter une compréhension in addition sophistiquée des GPCR, de leurs protéines G et de leurs activités, de manière à ce que les clients bénéficient à terme de médicaments plus sûrs, créés plus rapidement et à moindre coût. À l’avenir, ils ont l’intention d’explorer in addition en profondeur comment la variation génétique affecte le fonctionnement des composés de type médicament agissant sur les GPCR.
« Notre objectif ultime est de pouvoir prédire remark les variantes individuelles que les gens portent réagissent aux médicaments », a déclaré Martemyanov, « permettant de personnaliser les prescriptions et d’ouvrir la voie à une médecine de précision ».
