L’utilisation de l’apprentissage machine pour identifier des nouveaux traitements pour la maladie de Parkinson et d’Alzheimer
27-07-2018
Des patients n’ont pas bénéficié beaucoup des approches traditionnelles concernant le développement de médicaments pour des maladies comme la maladie de Parkinson, d’Alzheimer et la sclérose latérale amyotrophique (SLA). Alice Zhang essaye quelque chose de nouveau. Son entreprise, Verge Genomics, utilise l’intelligence artificielle afin d’identifier des composés prometteur, en améliorant les algorithmes avec des données de haute qualité des patients et des essais de laboratoire. Elle espère que cette approche aboutira à une technique plus efficace pour découvrir des traitements pour des maladies neurodégénératives, a l’heure insolubles. Zhang’s approche peu orthodoxe était inspiré par un exposé concernant le fait que des centaines de gènes interagissent dans le cancer et se demande si cette approche en réseau pourrait s’appliquer aux maladies neurodégénératives. « ‘Computional biology’ a fourni tellement la connaissance sur le cancer, » dit-elle. « Le cerveau est environ 10 ans en retard. »
Verge est en train de développer des modèles de l’apprentissage machine qui identifient des gènes clés d’un réseau de maladies et prédisent quels composés peuvent interférer avec leur activité. Elle teste ces composés sur des modèles animaux et des nerfs cultivés des cellules souches dérivées des patients. Ensuite, l’entreprise introduit à nouveau les résultats dans le modèle d’apprentissage machine afin de les perfectionner. Zhang dit que sept de Verge’s composés candidats pour la sclérose latérale amyotrophique ont décéléré la mort de cellules nerveuses in vitro.
Traduction : Eline
Source : MIT Technology Review
![Share](/sites/all/modules/addtoany/images/share_save_171_16.png)