L’infection covide a été liée à un risque plus élevé de troubles auto-immunes, notamment la polyarthrite rhumatoïde et le diabète de type 1. Mais pourquoi le virus pourrait provoquer une inconnue du système immunitaire du corps, ce qui rend difficile le développement de thérapies pour éviter l’auto-immunité. Une hypothèse est que les «imitations moléculaires» virales qui ressemblent aux propres protéines du corps déclenchent une réponse immunitaire contre le virus – et les tissus sains se font prendre dans les feux croisés.
Maintenant, avec l’analyse avancée des données et l’apprentissage automatique, les scientifiques ont identifié un ensemble de mimiques moléculaires dérivées de Covid qui sont les plus susceptibles d’être impliquées dans le déclenchement de l’auto-immunité.
Les nouveaux résultats sont publiés dans Immunoinformatique.
Les chercheurs ont d’abord recherché des composants viraux similaires aux protéines humaines connues pour être attaquées dans diverses maladies auto-immunes. Théoriquement, ces protéines virales pourraient déclencher le système immunitaire pour cibler les protéines humaines auxquelles ils ressemblent. L’équipe a réduit sa liste de coupables en utilisant l’apprentissage automatique pour identifier uniquement les composants viraux qui sont les plus susceptibles d’être liés par des anticorps humains.
Certaines des composants viraux trouvés par les chercheurs ont été associés au diabète de type 1 ou à la sclérose en plaques.
Surtout, certaines des protéines humaines que les chercheurs ont identifiées comme des cibles probables de l’auto-immunité induite par Covid ne se trouvent que chez les personnes atteintes de génétique spécifique, ce qui suggère que les personnes qui produisent ces protéines peuvent être plus à risque d’auto-immunité induite par Covid.
« Il est passionnant que, en collaboration avec nos collègues cliniques, nous pouvons désormais utiliser l’IA et l’apprentissage automatique pour résoudre les conditions médicales exacerbées par la pandémie covide », explique Julio Facelli, Ph.D., professeur distingué d’informatique biomédicale à l’Université de l’Utah Health et auteur principal du journal.
« Espérons que nos résultats conduiront à une meilleure compréhension et un traitement et une prévention éventuels de ces conditions débilitantes. »
