L’identification de médicaments candidats pour une optimisation plus poussée implique généralement des milliers d’expériences individuelles, mais la nouvelle plateforme d’intelligence artificielle (IA) pourrait potentiellement donner les mêmes résultats en une fraction du temps. Les chercheurs ont utilisé le nouvel outil, décrit dans Nature Communications , pour synthétiser 32 nouveaux candidats médicaments contre le cancer.

Cette technologie fait partie d'une tendance nouvelle mais croissante dans la science pharmaceutique consistant à utiliser l'IA pour améliorer la découverte et le développement de médicaments.

"Il y a quelques années, l'IA était un gros mot dans l'industrie pharmaceutique, mais aujourd'hui, la tendance est définitivement inverse, les startups de biotechnologie ayant du mal à lever des fonds sans intégrer l'IA dans leur plan d'affaires", a déclaré l'auteur principal Trey Ideker, professeur. au Département de médecine de la Faculté de médecine de l'UC San Diego et professeur adjoint de bio-ingénierie et d'informatique à la Jacobs School of Engineering de l'UC San Diego.

"La découverte de médicaments guidée par l'IA est devenue un domaine très actif dans l'industrie, mais contrairement aux méthodes développées dans les entreprises, nous rendons notre technologie open source et accessible à tous ceux qui souhaitent l'utiliser."

La nouvelle plateforme, appelée POLYGON, est unique parmi les outils d'IA pour la découverte de médicaments dans la mesure où elle peut identifier des molécules avec des cibles multiples, alors que les protocoles existants de découverte de médicaments donnent actuellement la priorité aux thérapies à cible unique. Les médicaments multi-cibles présentent un intérêt majeur pour les médecins et les scientifiques en raison de leur potentiel à offrir les mêmes avantages que la thérapie combinée, dans laquelle plusieurs médicaments différents sont utilisés ensemble pour traiter le cancer, mais avec moins d'effets secondaires.

"Il faut de nombreuses années et des millions de dollars pour trouver et développer un nouveau médicament, surtout s'il s'agit d'un médicament à cibles multiples", a déclaré Ideker. "Les rares médicaments multi-cibles dont nous disposons ont été découverts en grande partie par hasard, mais cette nouvelle technologie pourrait aider à éliminer le risque de l'équation et à lancer une nouvelle génération de médecine de précision."

Les chercheurs ont formé POLYGON sur une base de données de plus d'un million de molécules bioactives connues contenant des informations détaillées sur leurs propriétés chimiques et leurs interactions connues avec des cibles protéiques. En apprenant des modèles trouvés dans la base de données, POLYGON est capable de générer des formules chimiques originales pour de nouveaux médicaments candidats susceptibles d'avoir certaines propriétés, telles que la capacité d'inhiber des protéines spécifiques.

"Tout comme l'IA est désormais très efficace pour générer des dessins et des images originaux, comme la création d'images de visages humains basées sur des propriétés souhaitées comme l'âge ou le sexe, POLYGON est capable de générer des composés moléculaires originaux basés sur les propriétés chimiques souhaitées", a déclaré Ideker.

"Dans ce cas, au lieu de dire à l'IA quel âge nous voulons que notre visage ait, nous lui disons comment nous voulons que notre futur médicament interagisse avec les protéines de la maladie."

Pour tester POLYGON, les chercheurs l'ont utilisé pour générer des centaines de médicaments candidats ciblant diverses paires de protéines liées au cancer.

Parmi celles-ci, les chercheurs ont synthétisé 32 molécules présentant les interactions prédites les plus fortes avec les protéines MEK1 et mTOR, une paire de protéines de signalisation cellulaire qui constituent une cible prometteuse pour les thérapies combinées contre le cancer. Ces deux protéines sont ce que les scientifiques appellent synthétiquement mortelles, ce qui signifie que l'inhibition des deux ensemble est suffisante pour tuer les cellules cancéreuses, même si l'inhibition d'une seule ne l'est pas.

Les chercheurs ont découvert que les médicaments qu’ils ont synthétisés avaient une activité significative contre MEK1 et mTOR, mais avaient peu de réactions hors cible avec d’autres protéines. Cela suggère qu'un ou plusieurs des médicaments identifiés par POLYGON pourraient être capables de cibler les deux protéines dans le cadre d'un traitement contre le cancer, fournissant ainsi une liste de choix à peaufiner par les chimistes humains.

"Une fois que vous disposez des médicaments candidats, vous devez encore effectuer toutes les autres analyses chimiques nécessaires pour affiner ces options en un traitement unique et efficace", a déclaré Ideker. "Nous ne pouvons et ne devons pas essayer d'éliminer l'expertise humaine du processus de découverte de médicaments, mais ce que nous pouvons faire, c'est raccourcir quelques étapes du processus."

Malgré cette prudence, les chercheurs sont optimistes quant au fait que les possibilités de l'IA pour la découverte de médicaments viennent tout juste d'être explorées.

"Voir comment ce concept se déroulera au cours de la prochaine décennie, tant dans le monde universitaire que dans le secteur privé, sera très excitant", a déclaré Ideker. "Les possibilités sont pratiquement infinies."