Restez toujours informé: suivez-nous sur Google Actualités (icone ☆)
Les scientifiques ont utilisé l'intelligence artificielle pour découvrir la molécule BRP parmi des milliers de peptides. Cette approche innovante a permis de cibler spécifiquement des voies métaboliques liées à l'appétit, sans affecter d'autres fonctions corporelles comme le font les médicaments similaires.
BRP agit principalement dans l'hypothalamus, une région du cerveau cruciale pour la régulation de la faim. Les tests sur des animaux ont montré une réduction significative de la prise alimentaire et une perte de poids, sans les nausées ou la perte musculaire observées avec d'autres traitements.
La molécule a été identifiée grâce à un algorithme nommé Peptide Predictor, qui analyse les sites de clivage des prohormones. Cette méthode a permis de sélectionner 373 prohormones parmi 20 000 gènes, un exploit impossible avec les techniques traditionnelles.
Les essais sur des souris et des porcs ont confirmé l'efficacité de BRP. Les animaux traités ont perdu du poids principalement en graisse, tout en améliorant leur tolérance au glucose. Aucun effet secondaire notable n'a été observé, ouvrant la voie à des essais cliniques humains.
Les chercheurs planifient maintenant d'identifier les récepteurs spécifiques de BRP et d'améliorer sa durée d'action dans l'organisme. Ces étapes sont cruciales pour développer un traitement pratique et efficace contre l'obésité.
Cette découverte, publiée dans Nature, représente une avancée majeure dans la lutte contre l'obésité. Avec des millions de personnes concernées dans le monde, BRP pourrait offrir une alternative plus sûre et plus ciblée aux traitements actuels.
Comment l'intelligence artificielle a-t-elle aidé à découvrir BRP ?
L'équipe de Stanford a développé un algorithme, Peptide Predictor, pour analyser les sites de clivage des prohormones. Cet outil a permis de prédire comment une enzyme spécifique, la prohormone convertase 1/3, coupe les prohormones en peptides actifs.
Traditionnellement, l'identification de ces peptides nécessitait des techniques laborieuses et coûteuses. Peptide Predictor a accéléré ce processus en analysant automatiquement les séquences d'acides aminés, réduisant ainsi le temps et les ressources nécessaires.
L'algorithme a identifié 2 683 peptides potentiels à partir de 373 prohormones. Cette approche a permis aux chercheurs de se concentrer sur les peptides les plus prometteurs, dont BRP, sans avoir à les isoler manuellement.
Cette méthode illustre comment l'IA peut accélérer considérablement la recherche biomédicale en permettant des découvertes rapides et précises qui seraient autrement quasiment impossibles.