Accueil Santé Un processus de dépistage des médicaments basé sur l’IA pourrait accélérer le...

Un processus de dépistage des médicaments basé sur l’IA pourrait accélérer le développement de médicaments vitaux

51
0

Le développement de médicaments permettant de sauver des vies peut nécessiter des milliards de dollars et des décennies de temps, mais les chercheurs de l’Université de Floride centrale visent à accélérer ce processus grâce à un nouveau processus de sélection des médicaments basé sur l’intelligence artificielle qu’ils ont développé.

En utilisant une méthode qui modélise les interactions entre le et la protéine cible à l’aide de techniques de traitement du langage naturel, les chercheurs ont atteint une précision de 97 % dans l’identification de médicaments candidats prometteurs. Les résultats ont été publiés récemment dans la revue Briefings en bioinformatique.

La technique représente les interactions médicament-protéine par des mots pour chaque site de liaison de la protéine et utilise l’apprentissage profond pour extraire les caractéristiques qui régissent les interactions complexes entre les deux.

L’IA étant de plus en plus disponible, c’est devenu un problème auquel l’IA peut s’attaquer. Vous pouvez essayer tellement de variations de protéines et d’interactions médicamenteuses et découvrir lesquelles sont plus susceptibles de se lier ou non. »

Ozlem Garibay, co-auteur de l’étude, professeur adjoint au département d’ingénierie industrielle et de systèmes de gestion de l’UCF.

Le modèle qu’ils ont mis au point, appelé AttentionSiteDTI, est le premier à pouvoir être interprété en utilisant le langage des sites de liaison des protéines.

Ce travail est important car il aidera les concepteurs de médicaments à identifier les sites critiques de liaison aux protéines ainsi que leurs propriétés fonctionnelles, ce qui est essentiel pour déterminer si un médicament sera efficace.

Les chercheurs ont réalisé cette prouesse en concevant un mécanisme d’auto-attention qui permet au modèle d’apprendre quelles parties de la protéine interagissent avec les composés médicamenteux, tout en atteignant des performances de prédiction de pointe.

La capacité d’auto-attention du mécanisme fonctionne en se concentrant sélectivement sur les parties les plus pertinentes de la protéine.

Les chercheurs ont validé leur modèle à l’aide d’expériences en laboratoire qui ont mesuré les interactions de liaison entre les composés et les protéines, puis ont comparé les résultats avec ceux prédits par leur modèle informatique. Comme les médicaments pour traiter le COVID sont toujours d’actualité, les expériences ont également consisté à tester et à valider des composés médicamenteux qui se lieraient à une protéine de pointe du SRAS-CoV2.

Selon M. Garibay, la grande concordance entre les résultats obtenus en laboratoire et les prédictions informatiques illustre le potentiel de AttentionSiteDTI pour présélectionner des composés médicamenteux potentiellement efficaces et accélérer l’exploration de nouveaux médicaments et la réadaptation des médicaments existants.

« Cette recherche à fort impact n’a été possible que grâce à une collaboration interdisciplinaire entre l’ingénierie des matériaux et l’IA/ML et les informaticiens pour aborder la découverte liée au COVID », déclare Sudipta Seal, co-auteur de l’étude et président du département de science et d’ingénierie des matériaux de l’UCF.

Mehdi Yazdani-Jahromi, doctorant au College of Engineering and Computer Science de l’UCF et auteur principal de l’étude, affirme que ces travaux ouvrent une nouvelle voie dans la présélection des médicaments.

 » Cela permet aux chercheurs d’utiliser l’IA pour identifier les médicaments avec plus de précision afin de répondre rapidement aux nouvelles maladies, explique Yazdani-Jahromi. « Cette méthode permet également aux chercheurs d’identifier le meilleur site de liaison de la protéine d’un virus sur lequel se concentrer pour la conception de médicaments. »

« La prochaine étape de notre recherche va consister à concevoir de nouveaux médicaments en utilisant la puissance de l’IA », ajoute-t-il. « Cela peut naturellement être la prochaine étape pour se préparer à une pandémie ».

La recherche a été financée par le programme interne de financement d’amorçage de l’IA et du big data de l’UCF.

Parmi les coauteurs de l’étude figurent également Niloofar Yousefi, chercheur postdoctoral associé au Complex Adaptive Systems Laboratory du College of Engineering and Computer Science de l’UCF, Aida Tayebi, doctorante au Department of Industrial Engineering and Management Systems de l’UCF, Elayaraja Kolanthai, chercheur postdoctoral associé au Department of Materials Science and Engineering de l’UCF, et Craig Neal, chercheur postdoctoral associé au Department of Materials Science and Engineering de l’UCF.

Garibay a obtenu son doctorat en informatique à l’UCF et a rejoint le département d’ingénierie industrielle et de systèmes de gestion de l’UCF, qui fait partie du College of Engineering and Computer Science, en 2020. Auparavant, elle a travaillé pendant 16 ans dans le domaine des technologies de l’information pour le bureau de la recherche de l’UCF.

Source :

Référence du journal :

Yazdani-Jahromi, M., et al. (2022) AttentionSiteDTI : an interpretable graph-based model for drug-target interaction prediction using NLP sentence-level relation classification. Briefings en bioinformatique. doi.org/10.1093/bib/bbac272.

Article précédentLa croissance du nombre de distributeurs automatiques de bitcoins installés dans le monde marque le pas pour la première fois de l’histoire.
Article suivantRaytheon obtient un contrat de défense américain d’un milliard de dollars en battant Lockheed Martin et Boeing