Figure 1 :Technologie d'IA conventionnelle. Crédit :Fujitsu
Laboratoires Fujitsu Ltée, le Centre Insight pour l'analyse de données, une institution de recherche en analyse de données basée en Irlande, et Fujitsu (Ireland) Limited ont annoncé aujourd'hui le développement d'une technologie permettant de prédire de grands volumes de réactions chimiques inconnues, environ deux fois plus que la procédure conventionnelle. Dans les maladies graves, y compris le cancer, il est fréquent qu'il y ait des anomalies dans les réactions de phosphorylation, qui sont des réactions chimiques qui se produisent entre les protéines. Par conséquent, il y a de fortes attentes que la clarification des réactions de phosphorylation mènera à des traitements efficaces. Maintenant, cependant, car seules quelques réactions de phosphorylation ont été identifiées, il y a eu un problème pour prédire de grands volumes de réactions de phosphorylation provoquées par des combinaisons de protéines inconnues. Maintenant, en construisant un graphe de connaissances qui peut englober une vue d'ensemble des interrelations entre les protéines, il est possible de vérifier la relation entre les nouvelles protéines où les réactions de phosphorylation peuvent être prédites. De cette façon, cette technologie contribuera à l'avancement de la médecine, car on peut s'attendre à ce qu'il soit utile en première ligne de la recherche sur la découverte de médicaments, et ont des applications personnalisées dans le domaine de la médecine de précision.
Contexte de développement
Les systèmes biologiques dans le corps sont maintenus par des échanges d'informations à travers les réactions chimiques de diverses protéines dans les cellules. Dans les années récentes, la science a fini par comprendre que de nombreuses maladies graves, comme le cancer, sont en partie causés par des anomalies dans les réactions de phosphorylation, qui sont représentatifs des réactions chimiques entre les protéines. Si des produits pharmaceutiques qui réparaient les réactions de phosphorylation anormales pouvaient être développés, qui permettrait des traitements plus efficaces. Maintenant, cependant, seules quelques réactions de phosphorylation sont bien comprises, il est donc nécessaire de découvrir des réactions de phosphorylation inconnues, et d'enrichir les données sur les réactions de phosphorylation.
Problèmes
Les réactions de phosphorylation sont des réactions chimiques dans lesquelles une protéine attache un groupe phosphoryle aux acides aminés qui composent une autre protéine. Pour les découvrir, il est nécessaire de vérifier les combinaisons de protéines qui provoquent des réactions de phosphorylation par des expériences biologiques. Néanmoins, comme il y en a plus de 800 environ, 000 combinaisons possibles uniquement avec des protéines, et parce que des coûts et du temps importants sont nécessaires pour les expériences biologiques, il faut d'emblée prédire les combinaisons à forte probabilité. On sait que le fait qu'une réaction de phosphorylation se produise dépend de la structure de la séquence d'acides aminés qui constitue la protéine. La technologie de l'IA est donc déjà utilisée pour prédire de nouvelles réactions de phosphorylation en formant l'IA sur la structure des séquences d'acides aminés qui sont déjà connues pour provoquer des réactions de phosphorylation. Bien que cette technologie puisse prédire des réactions dans lesquelles la structure de la séquence d'acides aminés est similaire à celles qui sont connues pour provoquer des réactions de phosphorylation, il n'a pas été capable de prédire celles dans lesquelles la structure de la séquence d'acides aminés est significativement différente des réactions de phosphorylation déjà connues.
Figure 2 :Exemple de prédiction de réactions de phosphorylation à l'aide de graphes de connaissances. Crédit :Fujitsu
Selon des recherches médicales récentes, il existe un phénomène dans lequel les protéines qui ont subi des réactions peuvent phosphoryler d'autres protéines dans une réaction en chaîne (information enchaînée), et cela peut être la clé pour prédire de nouvelles, réactions de phosphorylation inconnues liées à ce phénomène. Sur la base de telles recherches, Laboratoires Fujitsu, le Centre d'Intelligence, et Fujitsu Ireland ont maintenant inclus non seulement des informations structurelles sur les séquences d'acides aminés dans le graphique de connaissances, mais aussi des informations enchaînées. Les organisations ont développé une technologie (brevet en instance) pour représenter les modèles complexes de réactions chimiques en tant qu'attributs optimisés, qui sont attachés aux lignes du graphe de connaissances. Comme ces attributs ont été adaptés à la construction sophistiquée du graphe de connaissances, ils peuvent conduire à des résultats de prédiction très précis. Classiquement, la relation entre les protéines ne pouvait être vérifiée que par un seul maillon de la chaîne. Pourtant, en affichant de manière exhaustive la relation entre les protéines en tant que connexions de réactions de phosphorylation (informations enchaînées), il devient possible de clarifier le positionnement des différentes protéines dans une perspective holistique, et de prédire des relations inconnues.
Effets
Lorsque cette technologie a été testée à l'aide de données d'évaluation, le modèle a été formé sur les réactions de phosphorylation (9, 802 réactions), et prédit 11, 581, 940 nouvelles réactions de phosphorylation. Cela a montré sa capacité à prédire environ deux fois plus de réactions de phosphorylation par rapport à la technologie conventionnelle qui a entraîné l'IA sur la structure des séquences d'acides aminés, sans changement significatif de la précision des prédictions. En outre, afin de tester si les réactions de phosphorylation prédites grâce à cette technologie pourraient réellement se produire au sein d'un être vivant, les tests ont été menés par Systems Biology Ireland, une institution irlandaise de recherche biologique et un partenaire de recherche commun, à l'aide d'équipements de spectrométrie de masse et d'anticorps. Dans cet essai, des experts en biologie ont sélectionné et testé quelques résultats de prédiction de réactions de phosphorylation pour des protéines liées au cancer, et ont pu confirmer neuf réactions de phosphorylation, dont huit étaient des réactions qui n'auraient pas pu être prédites avec la technologie conventionnelle. Walter Kolch, directeur de Systems Biology Ireland (SBI), une autorité mondiale en matière de recherche en biologie des systèmes, a déclaré à propos de ces résultats « En combinant la technologie des graphes de connaissances de Fujitsu avec la compréhension de SBI des réseaux biologiques, nous avons développé une nouvelle méthode de calcul qui peut prédire quelle kinase phosphoryle quels substrats. La méthode est précise et pourrait découvrir des sites de phosphorylation jusque-là inconnus, un grand pas en avant pour le développement de nouveaux médicaments et une médecine de précision plus ciblée."
En combinant les données sur les nouvelles réactions de phosphorylation prédites par cette technologie avec d'autres données biomédicales, il est prévu de relier les réactions chimiques des causes d'une maladie (anomalies des réactions de phosphorylation) aux symptômes de la maladie, qui peuvent ensuite être fournies à ceux qui sont en première ligne de la recherche en tant qu'informations utiles à la découverte de médicaments. L'efficacité des traitements pour des maladies telles que le cancer peut varier considérablement d'un patient à l'autre. Cette technologie, cependant, devrait clarifier la variation individuelle des effets des traitements, contribuer à la promotion d'une médecine adaptée à chaque patient. Laboratoires Fujitsu, le Centre d'Intelligence, et Fujitsu Ireland continueront d'améliorer la précision de cette technologie pour traiter les données biomédicales avec des graphiques de connaissances, étendre la technologie aux projets biomédicaux de Fujitsu Limited au cours de l'exercice 2018. De plus, en incorporant cette technologie à la technologie d'IA de Fujitsu, y compris Fujitsu Human Centric AI Zinrai, les organisations prévoient d'accélérer l'activité biomédicale.