Un outil d'IA pourrait accélérer la découverte de médicaments
L'algorithme peut prédire efficacement comment les nouvelles molécules se plieront, se replieront et se déplaceront
Annonces
Pour chaque nouveau médicament qui change la vie et qui arrive sur le marché, de nombreux candidats échouent en cours de route. Un outil basé sur l'intelligence artificielle développé à l'université de l'Oregon pourrait aider les scientifiques à mieux prédire l'action de nouveaux médicaments hypothétiques dans l'organisme avant d'effectuer des tests coûteux.
Leur algorithme simule efficacement le mouvement et le comportement de molécules jamais vues auparavant, sur la base de leur structure chimique.
Les recherches ont été menées par Revanth Elangovan, doctorant, et Sompriya Chatterjee, chercheuse postdoctorale, dans le laboratoire du biophysicien Dhiman Ray. L'équipe a récemment publié ses résultats dans la revue Proceedings of the National Academy of Sciences.
"Si mes recherches aboutissent, dans 10 ou 20 ans, nous pourrons faire des simulations en temps réel et voir comment différents types de médicaments se lient à une protéine", a déclaré M. Ray. "À partir de là, nous pourrons choisir ceux qui doivent faire l'objet d'essais sur l'homme.
Les scientifiques utilisent déjà des outils informatiques avancés pour prédire la structure de nouvelles molécules. Des programmes comme AlphaFold de Google peuvent aider les chercheurs à sélectionner rapidement des candidats vaccins et autres médicaments en fonction de leur forme. Ces programmes ont modifié le domaine du développement des médicaments - les scientifiques qui les ont conçus ont même reçu le prix Nobel de chimie en 2024.
Bien qu'extrêmement puissants, les outils de prédiction de structure sont comparables à une image fixe d'un film, a déclaré M. Ray. Ils capturent un moment dans le temps mais n'en disent pas plus sur l'action.
Pour prédire réellement le comportement des molécules dans le corps humain, les scientifiques doivent comprendre comment elles se déplacent et interagissent. La molécule se fixera-t-elle sur la cible souhaitée dans le corps, ou se fixera-t-elle plus probablement sur quelque chose d'autre ?
Les méthodes de simulation actuelles sont très gourmandes en ressources informatiques, a expliqué M. Ray. À l'instar d'un long métrage, elles sont riches en détails mais coûteuses à produire, et donc hors de portée de nombreux laboratoires.
La nouvelle approche de son équipe s'apparente à un résumé de l'intrigue sur Wikipédia, un juste milieu entre une photo et un long métrage. Le résultat donne aux scientifiques les informations de base dont ils ont besoin pour prédire comment les molécules vont se déplacer - le résultat final, mais aussi l'itinéraire le plus efficace pour y parvenir.
L'équipe de Ray a créé le modèle en combinant l'intelligence artificielle et les données de la physique. Les scientifiques ont utilisé des mesures du comportement de molécules connues dans différentes situations et de la quantité d'énergie nécessaire pour leur faire changer de forme afin de paramétrer le modèle d'intelligence artificielle, l'empêchant ainsi de s'égarer et de gaspiller de l'énergie en explorant des scénarios improbables.
Les techniques mathématiques augmentent la probabilité que les chercheurs capturent le moment précis qu'ils recherchent : la fraction de seconde pendant laquelle un médicament se lie à sa cible.
"C'est le pouvoir que nous avons, en tant que chercheurs en informatique : Nous pouvons faire ces trucs pour échantillonner des choses que nous ne pouvons pas voir dans une simulation normale", a déclaré Ray.
Le code qu'ils ont mis au point est librement accessible à d'autres.
Ray et son équipe s'intéressent particulièrement aux applications dans le domaine du développement de médicaments. Mais l'approche pourrait être utile en biologie et en chimie, en aidant les chercheurs à comprendre les propriétés de nombreux nouveaux matériaux.
La prochaine étape consiste à rendre les données du modèle plus faciles à interpréter, en traduisant les résultats en un court métrage convivial.
"Nous conservons certaines connaissances en physique et certains avantages de l'apprentissage automatique, et nous les combinons de manière à ce qu'ils profitent aux deux domaines", explique M. Ray. "C'est ce qui fait la spécificité des projets que nous menons, non seulement pour cet article en particulier, mais aussi pour l'ensemble du laboratoire.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
