Le concours Open Science utilise l'IA pour identifier des traitements potentiels contre la maladie de Parkinson

Dans un développement révolutionnaire, un concours de science ouverte appelé Critical Assessment of Computational Hit-Finding Experiments (CACHE) a réussi à utiliser l'intelligence artificielle (IA) pour découvrir des molécules qui pourraient conduire à de nouveaux traitements contre la maladie de Parkinson. Cet effort collaboratif impliquait des scientifiques de diverses institutions, y compris Merck KGaA et l'Université de Pittsburgh, qui ont identifié sept composés disponibles dans le commerce avec des mécanismes d'action uniques contre la protéine LRRK2, un contributeur connu de la maladie de Parkinson héréditaire. Ces résultats marquent un triomphe significatif pour la science ouverte, en mettant l'accent sur la collaboration plutôt que sur l'approche traditionnelle axée sur les brevets.

La découverte de médicaments pilotée par l'IA donne des résultats prometteurs

Les chercheurs de Merck KGaA, de l'Université de Pittsburgh et d'autres institutions ont exploité la puissance de l'intelligence artificielle pour identifier sept composés disponibles dans le commerce avec de nouveaux mécanismes d'action contre la protéine LRRK2. Cette protéine est depuis longtemps impliquée dans le développement de la maladie de Parkinson. Ce qui distingue ces découvertes, c'est qu'il s'agit des premiers composés connus pour présenter une activité contre le domaine des répétitions WD40 (WDR) de LRRK2, une région qui joue un rôle pivot dans la toxicité de la maladie de Parkinson.

Le concours de science ouverte, CACHE, a facilité cette réalisation révolutionnaire. Financé en partie par la fondation de recherche de l'acteur Michael J. Fox, CACHE comprenait deux tours distincts. Lors du premier tour, 23 laboratoires participants ont utilisé leurs algorithmes d'IA pour proposer jusqu'à 100 composés. Par la suite, ces composés ont subi des expériences en laboratoire rigoureuses, y compris une série d'essais pour évaluer leur affinité de liaison au domaine WDR de LRRK2, ainsi que leur potentiel à se lier à des récepteurs non apparentés, indiquant une spécificité pour LRRK2.

Les composés les plus prometteurs ont avancé vers le deuxième tour, où les chercheurs pouvaient sélectionner jusqu'à 50 composés de suivi avec des mécanismes d'action similaires à leurs soumissions initiales mais potentiellement une spécificité ou une affinité de liaison plus élevée. Le deuxième tour a imposé des critères plus stricts pour éviter les faux positifs et comprenait des criblages supplémentaires pour valider les résultats.

Un comité indépendant d'experts de l'industrie a évalué les données finales, bien que leurs noms et affiliations n'aient pas été divulgués. Les composés les mieux classés sont issus de l'Université de Pittsburgh, de l'Université Carnegie Mellon, de l'Université de la Colombie-Britannique et de Merck KGaA. Des informations détaillées sur les méthodes informatiques utilisées par les sept participants qui ont identifié les composés gagnants peuvent être trouvées sur le site web de CACHE.

Prudence et recherches supplémentaires requises

Bien que la découverte de composés ayant des applications potentielles dans le traitement de la maladie de Parkinson soit indéniablement significative, il est crucial d'aborder ces résultats avec prudence. Selon Ryan Merkley, PDG de Conscience, l'organisation derrière CACHE, les composés identifiés représentent des points de départ encourageants pour le développement potentiel de médicaments. Cependant, ils doivent subir des recherches et des tests approfondis avant même d'être considérés comme des candidats médicaments viables. Merkley a souligné la nécessité d'une discussion transparente et honnête concernant la qualité et les applications des outils d'IA dans la découverte de médicaments pour améliorer leur efficacité au fil du temps.

Élargir les horizons au-delà de la maladie de Parkinson

Le succès de CACHE dans l'identification de traitements potentiels contre la maladie de Parkinson a ouvert la voie à son expansion dans d'autres domaines médicaux. Les Défis 2 et 3 se concentrent désormais sur la découverte de nouveaux médicaments pour combattre la COVID-19. Le Défi 4 invite les participants à prédire des médicaments capables d'inhiber le domaine TKB de CBLB, un régulateur négatif de l'activation des lymphocytes T associé au lymphome. Le Défi 5, actuellement en cours d'acceptation des candidatures, vise à identifier des médicaments contre l'obésité ciblant le récepteur MCHR1.

Un concours de science ouverte nommé CACHE a exploité les capacités de l'intelligence artificielle pour découvrir des composés prometteurs pour le traitement de la maladie de Parkinson. Cet effort collaboratif, qui comprenait des chercheurs de Merck KGaA et de l'Université de Pittsburgh, marque une étape significative loin de l'approche traditionnelle axée sur les brevets. Bien que ces résultats offrent de l'espoir pour des traitements potentiels contre la maladie de Parkinson, ils doivent faire l'objet de recherches et de validations supplémentaires. CACHE élargit désormais ses efforts pour répondre à d'autres défis médicaux urgents, tirant parti de la puissance de l'IA pour faire avancer la découverte de médicaments dans divers domaines.