L’IA améliore le dépistage des médicaments pour la maladie d’Alzheimer

GDJ/Pixabay

Source : GDJ/Pixabay

Dans une nouvelle étude, des chercheurs de l’Université de Californie à San Francisco (UCSF) appliquent l’apprentissage automatique par intelligence artificielle (IA) pour trouver de précieuses données cachées dans des bases de données d’archives sur les maladies qui pourraient aider à accélérer la recherche en biotechnologie et la découverte de médicaments pour la maladie d’Alzheimer (MA) et D’autres conditions.

“Malgré d’importants efforts de découverte de médicaments, il n’existe aucun traitement efficace qui prévienne ou même ralentisse la progression de la MA”, ont écrit les chercheurs. “Parmi les nombreuses cibles thérapeutiques à l’étude, le mauvais repliement pathogène et l’accumulation de la protéine tau dans les enchevêtrements neurofibrillaires (NFT) sont apparus comme un mécanisme cible.

La maladie d’Alzheimer représente 60 à 80 % des cas de démence et est la cause la plus fréquente de démence selon l’Association Alzheimer. La démence est le déclin de la capacité mentale qui interfère avec les activités quotidiennes de la vie avec des symptômes qui peuvent affecter la capacité d’une personne à se souvenir, à penser et à raisonner. On estime que 139 millions de personnes dans le monde vivront avec la démence d’ici 2050 et plus de 55 millions de personnes dans le monde vivront avec la démence en 2020 selon Alzheimer’s Disease International. Selon le Women’s Alzheimer’s Movement (WAM), une organisation fondée par Maria Shriver, environ 6 millions d’Américains vivent avec la maladie d’Alzheimer, dont les deux tiers sont des femmes et les scientifiques ne savent pas pourquoi.

Cette étude a appliqué l’apprentissage automatique à une base de données archivistique de dépistage à haut contenu contenant des informations sur les effets phénotypiques de petites molécules pour le traitement de la maladie d’Alzheimer.

A lire aussi  De nouvelles découvertes sur ce que les victimes d'abus croient vraiment

Les chercheurs ont cherché à améliorer l’extraction des informations biologiques à partir des données d’imagerie recueillies à partir du High Content Screening (HCS), une méthode vitale pour le processus de découverte de médicaments.

Leur hypothèse était que l’apprentissage automatique de l’IA pourrait trouver des données exploitables dans le HCS qui pourraient fournir des informations précieuses sur les caractéristiques biochimiques d’un organisme, ce qui pourrait à son tour accélérer la recherche en biotechnologie et la découverte de médicaments.

En microbiologie, le criblage à haut contenu (HCS), également connu sous le nom de criblage automatisé au microscope, est utilisé pour la recherche et le dépistage de la toxicité pour la découverte de médicaments. Il a été développé au milieu des années 1990 et est souvent utilisé dans la recherche en biologie des systèmes et pour découvrir si les médicaments candidats modifient le cours de la maladie en permettant aux scientifiques de mesurer et de comprendre les fonctions des protéines, des gènes, de l’ARN et d’autres composants des cellules vivantes. .

Le dépistage à haut contenu est principalement une technique d’imagerie par microscopie à fluorescence pour les cellules et les organismes vivants où les matériaux fluorescents émettant de la lumière sont examinés au microscope. En règle générale, la cellule vivante de l’échantillon est colorée avec une tache de fluorescence qui s’allume lorsqu’elle est exposée à une lumière de courte longueur d’onde telle que la lumière bleue ou ultraviolette (UV) et vue via des filtres qui éliminent les longueurs d’onde lumineuses indésirables.

La méthodologie standard actuelle pour obtenir plus d’informations à partir des données de dépistage à haut contenu consiste à introduire des marqueurs biologiques supplémentaires. L’inconvénient est qu’il peut être coûteux, long ou trop fastidieux d’ajouter plus de marqueurs biologiques pour le suivi. De plus, cette approche ne fonctionnera pas pour les grands ensembles de données d’archives où la recherche est déjà terminée.

A lire aussi  Le lien entre l'image corporelle, la pleine conscience sexuelle et le désir

Le chercheur a rapporté qu’en utilisant leur méthode d’apprentissage automatique par IA, ils ont pu identifier de nouveaux composés qui bloquaient efficacement l’agrégation de tau qui n’avaient pas été trouvés auparavant en utilisant les approches de dépistage existantes sans intelligence artificielle.

“Nous avons surmonté ces limitations de marqueurs par calcul en apprenant directement les relations phénotypiques entre un marqueur hautement informatif mais encombrant et d’autres marqueurs similaires mais plus facilement accessibles”, ont écrit les chercheurs. “Ces relations cachées ont ensuite été projetées dans des images de novo qui affichaient le signal fluorescent souhaité du marqueur encombrant.”

De plus, l’algorithme d’apprentissage automatique peut être utilisé pour d’autres maladies, pas seulement la maladie d’Alzheimer, et peut être utilisé pour rechercher des informations cachées dans d’autres ensembles de données d’archives d’images de microscopie à fluorescence. Les scientifiques ont évalué la généralisabilité de l’algorithme d’IA sur un ensemble de données basé sur le cancer, un environnement biologique différent. Plus précisément, ils ont appliqué l’apprentissage automatique à un écran de génomique fonctionnelle dans un type courant de cancer des os, l’ostéosarcome.

Grâce à la combinaison de l’apprentissage automatique de l’IA, de la microscopie à fluorescence et des bases de données des sciences de la vie, les chercheurs sur les maladies disposent désormais d’un outil puissant pour aider à accélérer la découverte de médicaments et le développement de nouvelles thérapies à l’avenir.

Copyright © 2022 Cami Rosso

A lire aussi  L'anxiété estivale post-pandémique des enfants | La psychologie aujourd'hui