Le Nouveau-Mexique approuve le programme de maîtrise ès sciences en anesthésie à l'UNM
Par Michael Haederle
Accélérer les nouveaux traitements
L'équipe de l'UNM crée un outil informatique puissant pour aider les chercheurs à cribler rapidement des molécules pour les propriétés anti-COVID
Un an après la pandémie de COVID-19, les vaccinations de masse ont commencé à soulever la perspective alléchante d'une immunité collective qui finira par réduire ou arrêter la propagation du SRAS-CoV-2. Mais que se passe-t-il si l'immunité collective n'est jamais complètement atteinte - ou si le virus mutant donne naissance à des variantes hypervirulentes qui diminuent les bénéfices de la vaccination ?
Ces questions soulignent la nécessité de traitements efficaces pour les personnes qui continuent de tomber malades avec le coronavirus. Bien que quelques médicaments existants présentent certains avantages, il existe un besoin urgent de trouver de nouvelles thérapies.
Dirigés par Tudor Oprea, MD, PhD de l'Université du Nouveau-Mexique, les scientifiques ont créé un outil unique pour aider les chercheurs en médicaments à identifier rapidement les molécules capables de désarmer le virus avant qu'il n'envahisse les cellules humaines ou ne le désactive dans les premiers stades de l'infection.
Dans un article publié cette semaine dans Intelligence artificielle de la nature, les chercheurs ont présenté RECOMPOSITION-2020, une suite en ligne open source de modèles informatiques qui aidera les scientifiques à cribler rapidement de petites molécules pour leurs propriétés potentielles de lutte contre le COVID.
« Dans une certaine mesure, cela remplace les expériences (de laboratoire), explique Oprea, chef de la Division de l'informatique translationnelle à l'École de médecine de l'UNM. « Cela réduit le champ de ce sur quoi les gens doivent se concentrer. C'est pourquoi nous l'avons mis en ligne pour que tout le monde puisse l'utiliser.
L'équipe d'Oprea à l'UNM et un autre groupe de l'Université du Texas à El Paso dirigé par Suman Sirimulla, PhD, ont commencé à travailler sur l'outil REDIAL-2020 au printemps dernier après que des scientifiques du Centre national pour l'avancement des sciences translationnelles (NCATS) ont publié les données de leurs propres études de réaffectation des médicaments COVID.
Vous voulez trouver des molécules qui font toutes ces choses et ne font pas les choses que nous ne voulons pas qu'elles fassent.
« En prenant conscience de cela, je me suis dit : « Attendez une minute, il y a suffisamment de données ici pour que nous puissions créer des modèles d'apprentissage automatique solides », déclare Oprea. Les résultats des tests de laboratoire NCATS ont évalué la capacité de chaque molécule à inhiber l'entrée virale, l'infectiosité et la reproduction, comme l'effet cytopathique – la capacité de protéger une cellule contre la mort du virus.
Les chercheurs en biomédecine ont souvent tendance à se concentrer sur les résultats positifs de leurs études, mais dans ce cas, les scientifiques du NCATS ont également signalé quelles molécules n'avaient aucun effet anti-virus. L'inclusion de données négatives améliore en fait la précision de l'apprentissage automatique, explique Oprea.
« L'idée était que nous identifiions des molécules qui correspondent au profil parfait », dit-il. "Vous voulez trouver des molécules qui font toutes ces choses et ne font pas les choses que nous ne voulons pas qu'elles fassent."
Le coronavirus est un adversaire rusé, dit Oprea. "Je ne pense pas qu'il existe un médicament qui convienne à tout à un T." Au lieu de cela, les chercheurs concevront probablement un cocktail multi-médicaments qui attaque le virus sur plusieurs fronts. "Cela revient au coup de poing un-deux", dit-il.
REDIAL-2020 est basé sur des algorithmes d'apprentissage automatique capables de traiter rapidement d'énormes quantités de données et d'identifier des modèles cachés qui pourraient ne pas être perceptibles par un chercheur humain. L'équipe d'Oprea a validé les prédictions d'apprentissage automatique basées sur les données du NCATS en les comparant aux effets connus des médicaments approuvés dans l'UNM DrugCentral base de données.
En principe, ce flux de travail informatique est flexible et pourrait être formé pour évaluer les composés contre d'autres agents pathogènes, ainsi que pour évaluer les produits chimiques qui n'ont pas encore été approuvés pour un usage humain, dit Oprea.
« Notre intention principale reste la réorientation des médicaments, mais nous nous concentrons en fait sur n'importe quelle petite molécule », dit-il. « Il n'est pas nécessaire que ce soit un médicament approuvé. Quiconque teste sa molécule pourrait trouver quelque chose d'important. »