Les chercheurs du CeMM, en collaboration avec Pfizer, ont désormais exploité et mis à l'échelle une méthode permettant de mesurer l'activité de liaison de centaines de petites molécules contre des milliers de protéines humaines.

Cette étude à grande échelle a révélé des dizaines de milliers d’interactions ligand-protéine qui peuvent désormais être explorées pour le développement d’outils chimiques et de produits thérapeutiques. De plus, grâce à l'apprentissage automatique et à l'intelligence artificielle, il permet de prédire de manière impartiale la manière dont les petites molécules interagissent avec toutes les protéines présentes dans les cellules humaines vivantes.

Ces résultats ont été publiés dans la revue Science , et toutes les données et modèles générés sont disponibles gratuitement pour la communauté scientifique.

La majorité de tous les médicaments sont de petites molécules qui influencent l’activité des protéines. Ces petites molécules, si elles sont bien comprises, sont également des outils précieux pour caractériser le comportement des protéines et mener des recherches biologiques fondamentales.

Compte tenu de ces rôles essentiels, il est surprenant que pour plus de 80 % de toutes les protéines, aucun liant de petites molécules n’ait été identifié jusqu’à présent. Cela entrave le développement de nouveaux médicaments et de stratégies thérapeutiques, mais empêche également de nouvelles connaissances biologiques sur la santé et la maladie.

Pour combler cette lacune, les chercheurs du CeMM, en collaboration avec Pfizer, ont élargi et mis à l'échelle une plateforme expérimentale qui leur permet de mesurer comment des centaines de petites molécules présentant diverses structures chimiques interagissent avec toutes les protéines exprimées dans les cellules vivantes.

Cela a donné un riche catalogue de dizaines de milliers d'interactions ligand-protéine qui peuvent désormais être optimisées pour représenter les points de départ d'un développement thérapeutique ultérieur.

Dans leur étude, l'équipe dirigée par CeMM PI Georg Winter a illustré cela en développant des liants à petites molécules de transporteurs cellulaires, des composants de la machinerie de dégradation cellulaire et des protéines peu étudiées impliquées dans la transduction du signal cellulaire. De plus, en tirant parti du vaste ensemble de données, des modèles d'apprentissage automatique et d'intelligence artificielle ont été développés pour prédire comment de petites molécules supplémentaires interagissent avec des protéines exprimées dans des cellules humaines vivantes.

"Nous avons été étonnés de voir à quel point l'intelligence artificielle et l'apprentissage automatique peuvent améliorer notre compréhension du comportement des petites molécules dans les cellules humaines. Nous espérons que notre catalogue d'interactions petites molécules-protéines et les modèles d'intelligence artificielle associés pourront désormais fournir un raccourci dans la découverte de médicaments. approche", déclare Winter.

Afin de maximiser l'impact potentiel et l'utilité pour la communauté scientifique, toutes les données et tous les modèles sont mis gratuitement à disposition via une application Web.

"Il s'agissait d'un partenariat exceptionnel entre l'industrie et le monde universitaire. Nous sommes ravis de présenter les résultats obtenus au cours de trois années d'étroite collaboration et de travail d'équipe entre les groupes. Ce fut un projet formidable", déclare le Dr Patrick Verhoest, vice-président et directeur de conception de médicaments chez Pfizer.