On estime qu’un Américain sur cinq souffre de douleur chronique et les options de traitement actuelles laissent beaucoup à désirer. Feixiong Cheng, Ph.D., directeur du Genome Center de la Cleveland Clinic, et IBM utilisent l’intelligence artificielle (IA) pour la découverte de médicaments destinés à la gestion avancée de la douleur. Le cadre d’apprentissage en profondeur de l’équipe a identifié plusieurs métabolites dérivés du microbiome intestinal et des médicaments approuvés par la FDA qui peuvent être réutilisés pour sélectionner des options non addictives et non opioïdes pour traiter la douleur chronique.
Les résultats, publiés dans Presse cellulaire, représentent l’une des nombreuses façons par lesquelles le partenariat Discovery Accelerator entre les organisations contribue à faire progresser la recherche dans les soins de santé et les sciences de la vie.
Traiter la douleur chronique avec des opioïdes reste un défi en raison du risque d’effets secondaires graves et de dépendance, explique le co-premier auteur Yunguang Qiu, Ph.D., chercheur postdoctoral au laboratoire du Dr Cheng dont le programme de recherche se concentre sur le développement de thérapies pour le traitement nerveux. troubles du système. Des preuves récentes ont montré que le traitement d’un sous-ensemble spécifique de récepteurs de la douleur dans une classe de protéines appelée récepteurs couplés aux protéines G (GPCR) peut fournir un soulagement de la douleur sans dépendance et non opioïde. La question est de savoir comment cibler ces récepteurs, explique le Dr Qiu.
Au lieu d’inventer de nouvelles molécules à partir de zéro, l’équipe s’est demandée si elle pouvait appliquer les méthodes de recherche qu’elle avait déjà développées pour trouver des médicaments préexistants approuvés par la FDA pour une indication potentielle de la douleur. Une partie de ce processus consiste à cartographier les métabolites intestinaux pour repérer les cibles des médicaments.
Pour identifier ces molécules, le premier auteur et informaticien Yuxin Yang, Ph.D., ancien étudiant diplômé de la Kent State University. Le Dr Yang a terminé sa thèse dans le laboratoire du Dr Cheng et continue d’y travailler en tant que data scientist. Drs. Yang et Qiu ont dirigé une équipe pour mettre à jour un précédent algorithme d’IA de découverte de médicaments que le laboratoire Cheng avait développé. Les collaborateurs d’IBM ont aidé à rédiger et à éditer le manuscrit.
« Nos collaborateurs IBM nous ont donné de précieux conseils et perspectives pour développer des techniques informatiques avancées », explique le Dr Yang. « Je suis heureux d’avoir l’opportunité de travailler avec des pairs du secteur industriel et d’apprendre de eux. »
Pour déterminer si une molécule fonctionnera comme médicament, les chercheurs doivent prédire comment elle interagira physiquement avec les protéines de notre corps (dans ce cas, nos récepteurs de la douleur) et influencera celles-ci. Pour ce faire, les chercheurs ont besoin d’une compréhension 3D des deux molécules, basée sur de nombreuses données 2D sur leurs propriétés physiques, structurelles et chimiques.
« Même avec l’aide des méthodes informatiques actuelles, combiner la quantité de données dont nous avons besoin pour nos analyses prédictives est extrêmement complexe et prend du temps », explique le Dr Cheng. « L’IA peut rapidement exploiter pleinement les données sur les composés et les protéines obtenues à partir d’expériences d’imagerie, évolutives et chimiques pour prédire quel composé a le plus de chances d’influencer correctement nos récepteurs de la douleur. »
L’outil de l’équipe de recherche, appelé LISA-CPI (Ligand Image- and Receiver’s tridimensionnel (3D) Structures-Aware framework to prédire les interactions composé-protéine) utilise une forme d’intelligence artificielle appelée apprentissage profond pour prédire :
- si une molécule peut se lier à un récepteur de douleur spécifique
- où sur le récepteur une molécule se fixera physiquement
- la force avec laquelle la molécule s’attachera à ce récepteur
- si la liaison d’une molécule à un récepteur activera ou désactivera les effets de signalisation
L’équipe a utilisé LISA-CPI pour prédire comment 369 métabolites microbiens intestinaux et 2 308 médicaments approuvés par la FDA interagiraient avec 13 récepteurs associés à la douleur. Le cadre de l’IA a identifié plusieurs composés qui pourraient être réutilisés pour traiter la douleur. Des études sont en cours pour valider ces composés en laboratoire.
« Les prédictions de cet algorithme peuvent réduire le fardeau expérimental que les chercheurs doivent surmonter pour dresser une liste de médicaments candidats à des tests plus approfondis », explique le Dr Yang. « Nous pouvons utiliser cet outil pour tester encore plus de médicaments, métabolites, GPCR et autres récepteurs afin de trouver des traitements qui traitent des maladies au-delà de la douleur, comme la maladie d’Alzheimer. »
Le Dr Cheng a ajouté qu’il ne s’agit là que d’un exemple de la manière dont l’équipe collabore avec IBM pour développer des modèles de base de petites molécules pour le développement de médicaments, y compris à la fois la réutilisation de médicaments dans cette étude et un projet de découverte de nouveaux médicaments en cours.
« Nous pensons que ces modèles de base offriront de puissantes technologies d’IA permettant de développer rapidement des traitements pour de multiples problèmes de santé humaine difficiles », dit-il.
