L’IA aide à la découverte de médicaments

L'IA aide à la découverte de médicaments dans la « galaxie »

Schéma des interactions médicament-cible. Crédit : Université du Zhejiang

L’interaction médicament-cible est un domaine de recherche important dans la découverte de médicaments, qui fait référence à la reconnaissance des interactions entre les composés chimiques et les cibles protéiques. Les chimistes estiment que 1060 composés ayant des propriétés similaires à des médicaments pourraient être fabriqués, c’est plus que le nombre total d’atomes dans le système solaire, selon un article publié dans le journal. La nature en 2017.

Le développement d’un médicament prend en moyenne 14 ans et coûte jusqu’à 1,5 milliard de dollars. Au cours du voyage de découverte de médicaments dans cette vaste « galaxie », il est évident que les expériences biologiques traditionnelles pour la détection de DTI sont normalement coûteuses et longues.

Le professeur Hou Tingjun est un expert en conception de médicaments assistée par ordinateur (CADD) au Collège des sciences pharmaceutiques de l’Université du Zhejiang. Au cours des dernières décennies, il s’est engagé à développer des médicaments à l’aide de la technologie informatique. « Le plus grand défi réside dans les interactions entre des cibles inconnues et des molécules médicamenteuses. Comment pouvons-nous les découvrir plus efficacement ? Cela implique une nouvelle percée dans la méthode. »

Récemment, l’intelligence artificielle (IA) a ouvert de nouvelles possibilités. « Avec l’intelligence artificielle, nous pourrons peut-être atteindre l’étape la plus en amont de la découverte de médicaments, améliorant ainsi l’efficacité et le taux de réussite du développement de médicaments », a déclaré Hou.

En plus de l’IA, les données multi-omiques, telles que la génomique, la protéomique et la pharmacologie, ont également prospéré. Dans chaque domaine, il y a eu un énorme océan d’informations biomédicales. Les informations sur les médicaments, les protéines, les maladies, les effets secondaires, les processus biologiques, les fonctions moléculaires, les composants cellulaires, les enzymes biologiques et les canaux ioniques ont été stockées dans des banques de données spécialisées. Cependant, leur valeur pour la découverte de médicaments reste obscure.

L'IA aide à la découverte de médicaments dans la « galaxie »

Le workflow schématique de KGE_NFM. Crédit : Université du Zhejiang

Le professeur He Shibo est un universitaire spécialisé dans les mégadonnées et la science des réseaux au Collège des sciences et de l’ingénierie du contrôle de l’Université du Zhejiang. « Ce domaine est particulièrement adapté à la recherche interdisciplinaire. Cet ensemble considérable d’informations biologiques peut être résumé dans un système de réseau multicouche et hétérogène », a déclaré He.

En novembre 2021, Hou Tingjun, He Shibo et Cao Dongsheng de la Central South University ont co-publié un article de recherche intitulé « A unified drug-target interaction prédiction framework based on knowledge graph and recommandation system » dans la revue Communication Nature.

Dans cette étude, les chercheurs ont proposé un cadre unifié appelé KGE_NFM (knowledge graph embedding and neural factorization machine) en incorporant des techniques de KGE et de système de recommandation pour la prédiction des interactions médicament-cible (DTI) applicables aux différents scénarios de découverte de médicaments, en particulier lors de la rencontre nouvelles cibles protéiques.

Les chercheurs ont évalué KGE_NFM dans trois scénarios réels : le démarrage à chaud, le démarrage à froid pour les médicaments et le démarrage à froid pour les protéines. Dans les deux premiers scénarios, les algorithmes d’IA étaient comparables aux algorithmes traditionnels, et parfois même légèrement inférieurs à ces derniers. Dans le troisième scénario, KGE_NFM a distancé ses concurrents de 30%.

« Cela démontre la capacité et la supériorité remarquables de l’IA dans la prédiction des cibles protéiques inconnues. Découvrir » les interactions médicament-cible inconnues « à partir des » cibles protéiques inconnues « est une entreprise indéniablement importante dans l’avenir de la découverte de médicaments », a observé Hou.

« Nous pouvons faire beaucoup de choses intéressantes en utilisant l’IA pour l’exploration de réseaux hétérogènes complexes », a déclaré He. Par exemple, l’équipe travaille actuellement avec un laboratoire de Tencent pour mener des recherches sur le dépistage virtuel des médicaments contre l’hépatite B et la synergie médicamenteuse. « L’utilisation de KGE peut non seulement étendre la dimension de l’information mais aussi promouvoir l’interprétabilité et la crédibilité des systèmes algorithmiques. »


Utiliser l’IA pour prédire avec précision des combinaisons synergiques de médicaments anticancéreux


Plus d’information:
Qing Ye et al, Un cadre de prédiction d’interaction médicament-cible unifié basé sur un graphe de connaissances et un système de recommandation, Communication Nature (2021). DOI : 10.1038/s41467-021-27137-3

Fourni par l’Université du Zhejiang

Citation: L’IA aide à la découverte de médicaments (2021, 23 décembre) récupéré le 23 décembre 2021 sur https://techxplore.com/news/2021-12-ai-drug-discovery.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.