💊 Une IA cherche de nouveaux médicaments parmi 69 milliards de molécules

Découvrir de futurs médicaments à partir de dizaines de milliards de molécules devient beaucoup moins coûteux grâce à une nouvelle méthode basée sur l'intelligence artificielle.

Avant de fabriquer et tester une molécule en laboratoire, les chercheurs veulent simuler son interaction, et donc son efficacité, sur une protéine cible. Cette étape, appelée criblage virtuel, permet d'écarter rapidement de nombreux candidats. Le problème apparaît lorsque la bibliothèque contient des milliards de molécules : les calculs deviennent très longs et coûteux.

Un ensemble de tubes Ă  essai.

Un ensemble de tubes Ă  essai.
Image d'illustration Unsplash

Une équipe internationale a développé AdaptiveFlow pour réduire cette charge. La plateforme dispose d'une bibliothèque de 69 milliards de molécules déjà préparées pour les simulations. Plutôt que de tester chaque molécule avec la même précision, elle commence par organiser cette immense collection selon leurs propriétés.

Concrètement, AdaptiveFlow répartit les molécules dans une grille définie par 18 caractéristiques, comme leur masse ou leur capacité à se dissoudre dans l'eau. Quelques représentantes de chaque groupe sont d'abord testées. Les groupements qui donnent les résultats les plus prometteurs peuvent ensuite être explorés beaucoup plus largement.

L'intelligence artificielle peut intervenir à cette étape. Un modèle apprend à partir des premiers calculs pour repérer les molécules qui méritent davantage d'attention. Selon les chercheurs, cette stratégie peut réduire jusqu'à 1 000 fois le coût informatique par rapport à l'examen exhaustif des 69 milliards de molécules.

Pour vérifier que le système ne se contentait pas de produire de bons résultats juste sur ordinateur, l'équipe l'a appliqué à deux protéines liées au cancer. L'une, PARP1, participe à la réparation de l'ADN et constitue déjà la cible de médicaments. L'autre, FSP1, aide certaines cellules à résister à une forme particulière de mort cellulaire.

Des molécules retenues par les calculs ont ensuite été fabriquées et testées réellement. Plusieurs ont fortement bloqué comme voulu les protéines recherchées. Pour PARP1, l'un des candidats a atteint une efficacité de liaison comparable à celle de l'olaparib, un médicament déjà utilisé contre certains cancers. Il ne s'agit toutefois pas d'un nouveau médicament prêt à être administré : ces molécules restent des points de départ pour de nouvelles recherches.

AdaptiveFlow est publié en accès libre et son code est disponible gratuitement. Les prochaines utilisations pourront donc tester cette approche sur d'autres protéines et d'autres bibliothèques, puis vérifier en laboratoire si les candidats sélectionnés conservent leurs propriétés dans des cellules et, plus tard, dans des organismes vivants.

JM
JMichelD

Le facteur 1 000 annoncé concerne le coût de calcul, pas le taux de réussite des médicaments. J'aimerais bien voir combien de molécules ont été fabriquées pour obtenir les candidats actifs sur PARP1 et FSP1.