• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Chimie
    L'algorithme conduit à une amélioration spectaculaire des méthodes de découverte de médicaments

    Découverte computationnelle de candidats médicaments. Crédit :Amiram Goldblum

    Antibiotiques pour le traitement de maladies particulièrement résistantes, molécules qui bloquent les réactions excessives du système immunitaire, des molécules qui inhibent la croissance des cellules cancéreuses en éliminant l'excès de fer, molécules susceptibles d'augmenter la digestion des graisses :toutes ces molécules et bien d'autres encore ont été découvertes ces dernières années grâce à une approche informatisée unique pour résoudre des problèmes particulièrement complexes.

    Au cours des cinq dernières années, un algorithme d'élimination stochastique itérative (ISE) développé dans le laboratoire du Prof. Amiram Goldblum, à l'Institut de recherche sur les drogues de l'Université hébraïque de Jérusalem, a été appliqué à la découverte de médicaments potentiels. L'Institut fait partie de l'École de pharmacie de la Faculté de médecine. D'abord testé pour résoudre des problèmes de structure et de fonction des protéines, l'algorithme a depuis été utilisé pour réduire les délais de découverte de médicaments, d'années à mois et même à semaines.

    La solution de Goldblum est différente des algorithmes appelés heuristiques, qui sont basées sur la dérivation de solutions en utilisant la logique et l'intuition, et propose de meilleures solutions. Dans ce cas, l'algorithme produit un modèle pour l'activité de petites molécules sur une ou plusieurs protéines connues pour causer la maladie. Un modèle est un ensemble de filtres de propriétés physico-chimiques qui distinguent les molécules actives et non actives, ou entre plus et moins actifs. Des millions de molécules peuvent alors être criblées par le modèle, qui permet de noter chaque molécule par un nombre reflétant sa capacité à passer les filtres en fonction de ses propres propriétés physico-chimiques.

    Un modèle de ce type se construit généralement en quelques heures et est capable de cribler des millions de molécules en moins d'une journée. Par conséquent, en quelques jours ou plus, il est possible de faire des prédictions initiales sur les molécules candidates pour une activité spécifique pour lutter contre une maladie. La plupart de ces candidats n'ont jamais été connus auparavant pour avoir une activité biologique.

    Pour le développement de cet algorithme, Le professeur Goldblum a remporté un prix de l'American Chemical Society en 2000. Depuis lors, l'algorithme a résolu de nombreux problèmes liés à la compréhension de divers systèmes biologiques tels que la flexibilité des protéines, interactions protéines-petites molécules, et plus. Ces découvertes et d'autres découlent de collaborations entre le laboratoire de Goldblum, où ses étudiants utilisent l'algorithme pour résoudre divers problèmes, et les laboratoires et sociétés pharmaceutiques du monde qui testent les prédictions de Goldblum en Allemagne, Japon, aux États-Unis et bien sûr en Israël.

    Fort de la technologie de Goldblum, la société Pepticom a été fondée en 2011 par Yissum, la branche de transfert de technologie de l'Université hébraïque, pour révolutionner la découverte de nouveaux candidats-médicaments peptidiques. L'atout clé de Pepticom est une plateforme d'intelligence artificielle exceptionnelle visant à concevoir des ligands peptidiques basés sur des structures cristallines résolues de protéines.

    Applications étendues

    L'algorithme peut être appliqué à d'autres types de problèmes, dans lequel le nombre de possibilités est immense et ne peut être résolu même si les ordinateurs les plus puissants du monde y travailleraient ensemble. Ceux-ci incluent des problèmes dans lesquels le nombre de résultats possibles est de 10 à la puissance 100 (10100) et plus, comme les problèmes de transport terrestre, aviation, communications et systèmes biologiques.

    Dans le domaine des transports, cela pourrait impliquer de trouver d'autres moyens de se rendre d'un point à un autre en utilisant les données de trafic sur chacune des routes alternatives menant entre les deux points. En aéronautique, une organisation optimale des atterrissages et des décollages dans les aéroports très fréquentés. Dans les télécommunications, trouver les itinéraires les moins chers dans un réseau complexe de câbles de communication. Et en biologie, un modèle construit à partir de quelques dizaines ou centaines de molécules permet de cribler des millions de molécules et de découvrir de nouveaux candidats médicaments. Ceux-ci sont ensuite envoyés à des laboratoires expérimentaux pour être développés davantage, et, dans certains cas, ont joué un rôle crucial dans le développement de traitements contre la maladie d'Alzheimer et différentes formes de cancer.


    © Science https://fr.scienceaq.com