L’intelligence artificielle (IA) peut aider à identifier des molécules qui pourraient servir de nouveaux médicaments pour les troubles de santé mentale. L’IA peut être utilisée pour prédire les structures tridimensionnelles de récepteurs importants et ainsi accélérer le développement de médicaments potentiels. C’est le résultat d’une nouvelle étude de l’Université d’Uppsala publiée dans Progrès scientifiques.
Dans le développement de médicaments, des méthodes expérimentales sont souvent utilisées pour déterminer les structures tridimensionnelles des protéines cibles et pour comprendre comment les molécules s'y lient. Ces informations sont nécessaires pour concevoir efficacement des molécules de médicaments. Cependant, le processus de détermination des structures peut être exigeant, ce qui signifie que cette stratégie ne peut pas toujours être utilisée.
Grâce au développement des méthodes d’IA, les structures des protéines peuvent désormais être prédites avec une précision plus élevée qu’auparavant.
Dans le cadre de cette étude, des chercheurs de l’Université d’Uppsala ont utilisé l’IA pour créer un modèle de la structure tridimensionnelle inconnue d’un récepteur. Dans ce cas, le récepteur TAAR1, qui est une protéine cible intéressante pour le développement de médicaments contre les troubles de santé mentale. Les molécules médicamenteuses qui activent TAAR1 ont montré des résultats prometteurs dans le traitement de la schizophrénie et de la dépression.
À l’aide de superordinateurs, les chercheurs ont ensuite parcouru des bibliothèques chimiques contenant des millions de molécules pour trouver celles qui correspondaient le mieux au modèle. Les molécules censées se lier au récepteur ont ensuite été testées dans des expériences menées par des collègues chercheurs du Karolinska Institutet. Un nombre étonnamment élevé de molécules ont activé TAAR1, et l’une des plus puissantes a également montré des effets prometteurs dans des expériences sur des animaux.
Au cours de la dernière étape de l’étude, des structures expérimentales pour TAAR1 sont soudainement devenues disponibles et les chercheurs ont pu les comparer avec les modèles d’IA.
« La précision des structures générées par l'IA était stupéfiante. Je n'arrivais pas à y croire. Les résultats montrent également que la modélisation par IA est nettement meilleure que les méthodes traditionnelles. Nous pouvons désormais utiliser la même stratégie pour les récepteurs avec lesquels nous ne pouvions jusqu'alors que rêver de travailler », explique Jens Carlsson, qui a dirigé la partie de l'étude de l'Université d'Uppsala.
