Society of Neuroscience : du nouveau pour la SLA en 2017

13-12-2017

Grâce à l'avènement de l'exome et des technologies de séquençage du génome et au développement de méthodes d'analyse de ces séquences qui sont de plus en plus accessibles, de nouveaux gènes liés à la SLA sont mis à jour. Les mécanismes sous-jacents de la maladie se révèlent peu à peu et de nouveaux traitements sont mis au point.

L'émergence des vecteurs d'apport de gènes ouvre ainsi la porte à des thérapies géniques pour lutter contre la SLA. Les approches computationnelles permettent, quant à elles, d'identifier les thérapies les plus prometteuses qui doivent passer les tests cliniques en priorité. De plus, le développement d'un nombre grandissant de modèles de SLA à base de cellules souches permet aux scientifiques d'identifier de nouvelles cibles et d'utiliser des médicaments existants pour traiter cette maladie.

En 2017, lors de l'assemblée de la Society of Neuroscience dans la ville de Washington, les spécialistes ont évoqué les stratégies naissantes de traitement de la SLA et leur potentielle utilisation future.

Des recherches prometteuses

Cependant, un grand nombre de mécanismes sont à l'œuvre dans le développement de la maladie, et la question clef est de savoir précisément lequel entraîne l'apparition de la SLA et sous quelle forme. Y répondre permettrait de savoir quels patients sont les plus susceptibles de bénéficier des thérapies qui ciblent ces mécanismes.

Une de ces stratégies, mise au point par une équipe de recherche menée par Kathrin Meyer et Brian Kaspar du Nationwide Children's Hospital de Colombus (Ohio), cherche à identifier les personnes susceptibles de bénéficier d'un traitement potentiel en déterminant la capacité des astrocytes, générés par leurs propres cellules cutanées, à réduire la toxicité des motoneurones. Cette stratégie se base sur des études antérieures ayant prouvé que les astrocytes, qui sont créés en reprogrammant directement les cellules cutanées d'individus atteints de SLA familiale ou sporadique, favorisaient la destruction des motoneurones de culture (Meyer et al., 2014).

Le clou du spectacle ? Les chercheurs du Nationwide Children's Hospital de l'Ohio utilisent un modèle cellulaire de SLA pour identifier de possibles traitements « personnalisés » en évaluant leur capacité à protéger les motoneurones de la toxicité due aux astrocytes. [Image : Jonathan Cohen, National Institute of Child Health and Human Development.]

Cette stratégie, connue sous le nom d'analyse des répondeurs, vise à identifier des sous-ensembles potentiels de personnes atteintes de SLA qui pourraient bénéficier d'une éventuelle thérapie testée cliniquement.

Selon une analyse préliminaire présentée lors de l'assemblée de 2017 de la Society for Neuroscience par Cassandra Dennys, cette approche a établi qu'une des stratégies étudiées par l'équipe réduirait la toxicité du motoneurone via les astrocytes dérivés d'individus affectés par certaines formes de SLA.

À San Francisco, Robert Miller du California Pacific Medical Center adopte une approche différente. Il espère identifier dans le sang des biomarqueurs clefs qui pourraient indiquer qu'un sous-ensemble de personnes atteintes de SLA serait susceptible de bénéficier de traitements visant à réduire l'inflammation tels quel le NPOO1 de Neuraltus. L'un de ces biomarqueurs, le CRP, est actuellement dans la phase II d'un essai clinique (Lunetta et al., 2017). 

L'union fait la force

Cependant, de plus en plus d'études suggèrent que des traitements multiples, visant donc plusieurs mécanismes, pourraient être nécessaires pour traiter la SLA (Frakes et al., 2017). Il est donc fondamental d'identifier les combinaisons de traitements les plus prometteuses.

C'est ce qu'espère accomplir l'équipe de recherche menée par Cassie Mitchell au Georgia Institute of Technology. Cette approche, connue sous le nom de meta-analyse dynamique, vise à développer des modèles computationnels précliniques de SLA pour aider les scientifiques à prédire quelles combinaisons de thérapies seraient les plus efficaces (voir Mitchell et Lee, 2012). Cette stratégie est l'une des nombreuses approches cherchant à utiliser les méthodes computationnelles telles que l'apprentissage machine pour identifier les méthodes de traitement les plus efficaces.

 

Source : The ALS Research Forum

Share