Une nouvelle étude sur l'apprentissage automatique identifie des centaines de cibles potentielles de médicaments contre le cancer avec des biomarqueurs

Les chercheurs de l'Institut Wellcome Sanger ont exploité la puissance de l'apprentissage automatique pour découvrir 370 cibles de médicaments précédemment inconnues pour divers types de cancer, y compris le cancer du sein, le cancer du col de l'utérus et le glioblastome. Les résultats, publiés dans Cancer Cell le 11 janvier 2024, représentent un bond significatif en avant dans la quête de la médecine de précision et pourraient accélérer le développement de traitements personnalisés contre le cancer.

Une percée dans la recherche sur le cancer

Dans une étude révolutionnaire, des scientifiques de l'Institut Wellcome Sanger ont dévoilé un trésor de 370 cibles de médicaments potentielles à travers 27 types de cancer différents. Cette recherche pionnière promet non seulement le développement de nouveaux médicaments de précision, mais renforce également la Carte de dépendance du cancer, une initiative collaborative entre l'Institut Wellcome Sanger et l'Institut Broad, dédiée à guider les stratégies pour les thérapies personnalisées contre le cancer.

Le Dr Mathew Garnett, co-responsable de l'étude, a exprimé l'importance de ce travail, déclarant : « Ce travail exploite les dernières avancées en génomique et en biologie computationnelle pour comprendre comment nous pouvons mieux cibler les cellules cancéreuses. Cela aidera les développeurs de médicaments à concentrer leurs efforts sur les cibles à plus haute valeur pour apporter de nouveaux médicaments aux patients plus rapidement. »

Exploiter la génomique et l'apprentissage automatique

La liste extensive de cibles potentielles est issue d'une analyse de données provenant de la Carte de dépendance du cancer. Cette carte a été créée grâce à des altérations simultanées CRISPR-Cas9 de près de 18 000 gènes dans 930 lignées cellulaires cancéreuses humaines distinctes. En tirant parti des capacités de l'apprentissage automatique, les chercheurs ont examiné cet ensemble de données colossal pour identifier les gènes, les protéines et les voies vitales pour la survie des cellules cancéreuses.

Biomarqueurs : la clé de la médecine de précision

Crucialement, les scientifiques ont associé ces nouvelles cibles de médicaments découvertes à des biomarqueurs cliniques. Les biomarqueurs jouent un rôle pivot dans l'identification des patients susceptibles de bénéficier de traitements ciblant des gènes spécifiques. La présence de ces biomarqueurs augmente considérablement la probabilité d'approbation de la FDA pour les médicaments lors du développement clinique, la multipliant par deux à quatre, selon les résultats des chercheurs.

Remarquablement, presque toutes les cibles de médicaments identifiées étaient liées à des biomarqueurs, indiquant un fort potentiel pour traduire ces découvertes en traitements efficaces. Cette révélation a des implications immenses, car elle suggère qu'environ 30 % de tous les patients atteints de cancer pourraient bénéficier de thérapies ciblant ces biomarqueurs identifiés. C'est une augmentation substantielle par rapport aux 14 % de patients précédemment estimés comme candidats pour des thérapies ciblant le génome du cancer.

Cependant, il est important de noter que bien que ces biomarqueurs promettent beaucoup, le développement de médicaments pour toutes ces cibles peut ne pas être réalisable. La faisabilité de cibler ces marqueurs génétiques varie selon les types de cancer, certains montrant peu ou pas de changement dans les nouvelles cibles sur la base de ces résultats. À cet égard, les chercheurs soulignent la nécessité continue d'approches innovantes pour élargir le répertoire des médicaments disponibles pour les patients atteints de cancer.

Un aperçu de l'avenir de la thérapie contre le cancer

Les résultats de la recherche soulignent également le potentiel des tests de biomarqueurs multi-omiques. Ces tests, qui examinent divers niveaux d'information biologique simultanément, tels que l'expression génique et protéique, pourraient être un changement de jeu dans l'expansion du pool de cibles de thérapie pour les patients atteints de cancer. En exploitant la puissance des données multi-omiques, les professionnels de santé pourraient être mieux équipés pour adapter les traitements aux profils moléculaires uniques des patients individuels, inaugurant une nouvelle ère de médecine de précision.

L'étude révolutionnaire de l'Institut Wellcome Sanger, alimentée par l'apprentissage automatique et la génomique, a illuminé un chemin à suivre dans la bataille contre le cancer. Avec l'identification de 370 cibles de médicaments potentielles à travers divers types de cancer, couplée à des biomarqueurs associés, les perspectives pour les traitements personnalisés contre le cancer n'ont jamais été aussi prometteuses. Bien que des défis subsistent, l'intersection de la science de pointe et de l'analyse computationnelle ouvre la voie à un avenir plus brillant pour les patients atteints de cancer dans le monde entier.