Un nouveau modèle d'intelligence artificielle peut améliorer le processus de découverte de médicaments et de vaccins en prédisant à quel point les séquences d'ARNm spécifiques produiront des protéines, à la fois en général et dans divers types de cellules. La nouvelle avancée, développée par un partenariat académique-industriel entre l'Université du Texas à Austin et Sanofi, aide à prédire la quantité de cellules protéiques, ce qui peut minimiser le besoin d'expérimentation d'essais et d'erreur, accélérant la prochaine génération de thérapeutiques de l'ARNm.
L'ARN messager (ARNm) contient des instructions pour les protéines à faire et comment les fabriquer, permettant à notre corps de croître et d'effectuer les processus de vie quotidiens. Parmi les domaines les plus prometteurs de la santé et de la médecine, la capacité de développer de nouveaux vaccins et médicaments d'ARNm – capables de lutter contre les virus, les cancers et les troubles génétiques – implique le processus fréquemment difficile de cajoler les cellules dans le corps d'un patient pour produire suffisamment de protéines de l'ARNm thérapeutique pour lutter efficacement contre les maladies.
Le nouveau modèle, appelé Ribonn, est en train de guider la conception de nouvelles thérapies basées sur l'ARNm en illuminant ce qui donnera la quantité la plus élevée d'une protéine ou de mieux cibler des parties spécifiques du corps telles que le cœur ou le foie. L'équipe a décrit son modèle aujourd'hui dans l'un des deux articles connexes de la revue Nature Biotechnology.
« Lorsque nous avons commencé ce projet il y a plus de six ans, il n'y avait pas d'application évidente. Nous étions curieux de savoir si les cellules coordonnent les ARNm qu'ils produisent et combien ils sont traduits en protéines.
Can Cenik, professeur agrégé, Molecular Biosciences, Université du Texas, Austin
Les travaux ont été rendus possibles en finançant le soutien des National Institutes of Health, de la Welch Foundation et du supercalculateur Lonestar6 au Texas Advanced Computing Center de l'UT.
Dans les tests couvrant plus de 140 types de cellules humaines et de souris, Ribonn était environ deux fois plus précis pour prédire l'efficacité de la traduction en tant qu'approches antérieures. Cette avance peut donner aux chercheurs la capacité de faire des prédictions dans les cellules D'une manière qui pourrait aider à accélérer les traitements pour le cancer et les maladies infectieuses et héréditaires.
Vous pouvez penser à la façon dont les cellules de votre corps font des protéines comme la façon dont une équipe de chefs pourrait cuire les gâteaux. Pour cuire un lot de protéines, les chefs de l'une de vos cellules (ribosomes) recherchent la recette de votre propre livre de cuisine protéique unique (aka ADN), copiez la recette sur des notons appelés ARN Messenger (ARNm), puis combinez des ingrédients (acides aminés) selon la recette pour faire cuire les tonnes (protéines).
Un vaccin d'ARNm ou thérapeutique cajole ces chefs dans vos cellules en faisant des protéines. Dans le cas d'un vaccin, ils pourraient produire une protéine trouvée à la surface d'un virus pathogène ou des cellules cancéreuses, agitant essentiellement un gros drapeau rouge devant votre système immunitaire pour faire des anticorps contre le virus ou le cancer. Dans le cas d'un trouble causé par une mutation génétique, ils pourraient produire une protéine que votre corps ne peut pas correctement faire, inversant le trouble.
Avant de développer leur nouveau modèle prédictif, CENIK et l'équipe UT ont d'abord organisé un ensemble de données accessibles au public à partir de plus de 10 000 expériences mesurant à quel point les ARNm différents sont efficacement traduits en protéines dans différents types de cellules humaines et de souris. Une fois qu'ils ont créé cet ensemble de données de formation, l'IA et les experts d'apprentissage automatique de l'UT et de Sanofi se sont réunis pour développer Ribonn.
L'un des objectifs de l'outil prédictif est de faire un jour des thérapies ciblant un type de cellule particulier, a déclaré Cenik, qui est également des professeurs d'affiliation de l'Institut ODEN pour l'ingénierie et les sciences informatiques de l'UT et un boursier CPRIT, recevant un soutien de recherche de l'Institut de prévention et de recherche du cancer du Texas.
« Peut-être que vous avez besoin d'une thérapie de nouvelle génération à faire dans le foie ou dans le poumon ou dans les cellules immunitaires », a-t-il déclaré. « Cela ouvre une opportunité de modifier la séquence d'ARNm pour augmenter la production de cette protéine dans ce type de cellule. »
Dans un article de compagnie également dans la biotechnologie de la nature, l'équipe a démontré que les ARNm avec des fonctions biologiques connexes sont traduites en protéines à des niveaux similaires à travers différents types de cellules. Les scientifiques savent depuis longtemps que le processus de transcription des gènes avec des fonctions connexes dans les ARNm est coordonné, mais il n'avait pas été montré précédemment que la traduction des ARNm en protéines est également coordonnée.
