L'IA trouve de nouvelles cibles potentielles pour le traitement de la SLA dans les données des patients

PandaOmics, une plateforme d'intelligence artificielle (IA) qui examine de grandes quantités de données pour trouver des molécules "médicamentables", a identifié plus de deux douzaines de nouvelles cibles ayant un potentiel thérapeutique pour la SLA, selon une étude récente.

La découverte de cibles est une première étape sur la voie du développement thérapeutique. Bien qu'il soit trop tôt pour savoir si l'une des cibles nouvellement découvertes conduira à un traitement efficace, l'étude exploite le potentiel de l'IA comme moyen de trouver de meilleures cibles moléculaires beaucoup plus rapidement que les approches actuelles.

"L'IA accélère le processus de découverte des cibles et ouvre de nouvelles possibilités d'interventions thérapeutiques", ont écrit les chercheurs.

L'étude "Identification of therapeutic targets for ALS using PandaOmics - an AI-enabled biological target discovery platform" (‘’Identification de cibles thérapeutiques pour la SLA à l'aide de PandaOmics  - une plateforme de découverte de cibles biologiques assistée par l'IA’’) a été publiée dans Frontiers in Aging Neuroscience.

L'étude s'inscrit dans le cadre d'une collaboration entre Insilico Medicine, qui a développé la plateforme de découverte de l'IA, et des chercheurs de plusieurs institutions de recherche et Answer ALS, le plus grand programme de recherche sur la SLA qui stocke les informations de centaines de patients et de personnes en bonne santé.

"Les résultats de cet effort de recherche collaborative montrent ce qui est possible lorsque nous réunissons l'expertise humaine et les outils d'IA pour découvrir de nouvelles cibles pour les maladies pour lesquelles il existe un besoin non satisfait élevé", a déclaré Alex Zhavoronkov, PhD, fondateur et PDG d'Insilico, dans un communiqué de presse de la société. "Ce n'est que le début".

La SLA survient lorsque les neurones moteurs (les cellules nerveuses du cerveau et de la moelle épinière qui contrôlent les mouvements) sont progressivement endommagés et meurent avec le temps. En conséquence, les muscles commencent à s'atrophier et deviennent trop faibles pour fonctionner comme ils le devraient. Chez certains patients, la maladie est liée à des mutations génétiques connues. Dans la plupart des cas, cependant, on ne sait pas ce qui cause la maladie, ce qui peut compliquer le traitement.

Les chercheurs se sont appuyés sur des données provenant de bases de données publiques et de Answer ALS pour trouver de nouveaux gènes susceptibles d'être liés à la maladie, ce qui pourrait permettre d'identifier de nouvelles cibles présentant un potentiel thérapeutique.

Ils ont notamment utilisé des échantillons de cerveau et de moelle épinière accessibles au public provenant de 237 patients atteints de SLA et de 91 personnes en bonne santé, ainsi que des motoneurones dérivés de patients provenant de 135 patients et de 31 personnes en bonne santé inclus dans Answer ALS.
Pour traiter une telle quantité de données, les chercheurs se sont appuyés sur PandaOmics, dont la plateforme utilise un ensemble d'algorithmes pour parcourir un grand nombre de données et classer une liste de cibles candidates en fonction de mesures pertinentes.

Dans l'étude, cette liste a permis de retirer 28 nouvelles cibles. Parmi celles-ci, 17 ont été choisies en fonction de la probabilité qu'elles soient étudiées dans le cadre d'un projet de recherche financé et de leur pertinence pour une personne travaillant dans ce domaine. Ces cibles ont été considérées comme des cibles de haute confiance.

Les 11 cibles restantes ont été sélectionnées uniquement sur la base de mesures biologiques, telles que leur accessibilité par les petites molécules, leur nouveauté et leur profil de sécurité potentiel.

"Nous sommes très heureux de voir les données d'Answer ALS utilisées pour identifier les voies possibles de la SLA et les médicaments candidats", a déclaré Jeffrey D. Rothstein, MD, PhD, qui dirige le Robert Packard Center for ALS Research et Answer ALS. "Le travail d'Insilico correspond exactement à la manière dont ce programme sans précédent a été envisagé pour aider à changer le cours de la SLA."

Pour valider les cibles identifiées, l'équipe a utilisé un modèle de mouche à fruits portant une expansion répétée dans le gène C9orf72, la cause génétique la plus courante de la SLA. Sur les 28 gènes candidats, 26 avaient un gène correspondant chez la mouche et ont été examinés pour leurs effets sur les symptômes de type SLA.

Si elles ne sont pas traitées, ces mouches présentent des altérations de la forme et de la fonction de l'œil compatibles avec la neurodégénérescence. Mais l'inhibition de 18 des cibles a permis de corriger ces altérations. L'effet était opposé pour une cible (RPS6KB1), son inhibition entraînant des symptômes encore plus graves.

"Il est impressionnant qu'environ 70% (18 sur 28) des cibles identifiées par l'IA aient été validées dans un modèle animal préclinique", a déclaré Feng Ren, PhD, co-PDG et directeur scientifique d'Insilico.

Parmi celles-ci, huit (KCNB2, KCNS3, ADRA2B, NR3C1, P2RY14, PPP3CB, PTPRC et RARA) n'avaient jamais été signalées.

Toutes les cibles se sont avérées participer à des processus qui peuvent contribuer au développement de la SLA. Il s'agit par exemple de processus qui contrôlent la réponse immunitaire et la mort cellulaire.

"Il est passionnant de voir la puissance de l'IA pour aider à comprendre la biologie de la SLA", a déclaré Merit Cudkowicz, MD, qui a codirigé l'étude. Cudkowicz est chef du service de neurologie et directrice du Healey & AMG Center for ALS au Mass General Hospital et à la Harvard Medical School.

M. Ren a indiqué qu'Insilico travaillait avec ses collaborateurs pour amener certaines cibles vers des essais cliniques pour la SLA. "Parallèlement, nous élargissons l'utilisation de PandaOmics afin de découvrir de nouvelles cibles pour d'autres maladies, notamment l'oncologie, l'immunologie et la fibrose", a-t-il ajouté.

Traduction: Gerda Eynatten-Bové

Source: ALS News Today