Des chercheurs de l'École de médecine ICAHN de Mount Sinai ont développé un puissant outil de calcul, nommé Idomo, pour améliorer la prédiction de la synergie de médicaments et accélérer le développement de thérapies combinées pour les maladies complexes. L'étude, publiée dans Briefings en bioinformatique Le 20 février (10.1093 / BIB / BBAF054), met en évidence la capacité d'Idomo à identifier les combinaisons synergiques de médicaments à l'aide de données d'expression génique, surpassant les méthodes existantes.
Faire progresser la découverte de médicaments à travers des approches informatiques
Les thérapies combinées, qui utilisent plusieurs médicaments pour cibler différentes voies impliquées dans la maladie, sont de plus en plus critiques pour traiter les conditions complexes telles que le cancer. Cependant, le processus d'identification expérimentalement des paires de médicaments efficaces est coûteuse et prend du temps. IDOMO fournit une solution de calcul en analysant les données d'expression génique – qui mesurent les niveaux d'activité des gènes dans un échantillon biologique et des signatures géniques, qui sont des schémas distincts d'activité génique associés à une condition spécifique, comme un état pathologique ou une réponse médicamenteuse. En comparant les signatures génétiques des médicaments et des maladies, Idomo prédit les effets bénéfiques et néfastes des combinaisons de médicaments.
Notre approche offre un moyen plus efficace de prédire les combinaisons de médicaments qui pourraient servir de nouvelles options thérapeutiques pour traiter les maladies humaines. Cela pourrait étendre considérablement les options de traitement pour les cliniciens et améliorer les résultats pour les patients qui ne répondent pas aux thérapies standard. «
Bin Zhang, PhD, auteur principal, Willard TC Johnson Research Professeur de neurogénétique et directeur du Mount Sinai Center for Transformator Disease Modeling
Validation dans le cancer du sein triple négatif
L'étude a appliqué Idomo au cancer du sein triple négatif, une forme de cancer particulièrement agressive et difficile à traiter. Le modèle a identifié une combinaison de médicaments prometteurs-trifluridine et monobenzone-qui a ensuite été testé dans in vitro expériences. Les résultats ont confirmé que cette combinaison inhibait plus efficacement la croissance des cellules du cancer du sein triple négatif que l'un ou l'autre médicament seul, validant la prédiction d'Idomo.
« En tirant parti des approches de calcul comme Idomo, nous pouvons prioriser les combinaisons de médicaments les plus prometteuses pour une validation expérimentale supplémentaire, accélérant potentiellement la découverte de nouveaux traitements pour un large éventail de maladies », a ajouté le Dr Zhang.
Implications pour la médecine et la recherche et les orientations futures
Idomo offre aux cliniciens plus d'options thérapeutiques, ce qui a potentiellement conduit à des traitements nouveaux et plus efficaces pour les patients résistants aux thérapies conventionnelles. L'approche fournit une solution évolutive et rentable pour identifier les paires de médicaments synergiques, ouvrant la voie à des applications plus larges dans une variété de maladies.
Les travaux futurs se concentreront sur l'élargissement de l'application d'Idomo à d'autres maladies au-delà du cancer du sein triple négatif, affinant davantage ses capacités prédictives et l'intégrant dans des pipelines de développement de médicaments plus larges.
