Des chercheurs de l'Université de Kent ont établi un protocole informatique qui pourrait accélérer le développement de traitements plus efficaces contre les infections parasitaires potentiellement mortelles telles que la maladie de Chagas, en permettant aux scientifiques d'identifier avec précision les réactions pouvant aboutir à des candidats médicaments efficaces sans avoir recours à des essais et des erreurs.
On estime qu’environ 8 millions de personnes dans le monde, principalement en Amérique latine, sont infectées par le virus. Trypanosoma cruzile parasite responsable de la maladie de Chagas, avec environ 100 millions de personnes considérées comme étant à risque d'infection. Bien que la maladie puisse être guérie dès sa phase précoce et aiguë, les infections non traitées peuvent devenir chroniques, entraînant de graves complications affectant le cœur, le système digestif et le système nerveux.
Malgré les conséquences potentiellement mortelles de l’infection, les maladies parasitaires touchent souvent les communautés à faible revenu et mal desservies, réduisant ainsi l’incitation commerciale des sociétés pharmaceutiques à investir dans de nouveaux traitements. Par conséquent, il est essentiel d’améliorer l’efficacité et la rentabilité du développement précoce de médicaments pour rendre les nouveaux traitements plus réalisables.
C’est là qu’intervient la chimie computationnelle. En modélisant et en simulant le comportement des composés médicamenteux potentiels avant qu’ils ne soient testés en laboratoire, les chercheurs peuvent réduire les coûts et accélérer les découvertes.
Dans cette étude récente, les chercheurs de Kent se sont concentrés sur les naphtoquinones, une classe de composés ayant une activité connue contre les maladies parasitaires, en particulier la maladie de Chagas. L'équipe a étudié des approches permettant de modifier sélectivement ces composés à l'aide d'un catalyseur à base de ruthénium, ce qui permet aux scientifiques de « modifier » systématiquement les composés et d'affiner leurs propriétés telles que l'efficacité, la stabilité et la sélectivité, qui sont toutes importantes pour le succès des candidats médicaments.
Pour prédire quelles modifications sont les plus susceptibles de réussir, les chercheurs ont comparé neuf approches de chimie quantique largement utilisées à une méthode de référence très précise. Ils ont identifié un protocole qui reproduit fidèlement les résultats informatiques de haut niveau, tout en démontrant qu'une méthode moins coûteuse peut être utilisée pour un dépistage beaucoup plus rapide sans perdre de connaissances mécanistes.
Avec suffisamment de précision pour prendre en charge une conception plus efficace et ciblée, les scientifiques peuvent modéliser ces modifications chimiques tout en réduisant les essais et erreurs coûteux en laboratoire, en donnant la priorité aux composés les plus prometteurs plus tôt et en rendant le processus de découverte de médicaments beaucoup plus rapide et plus abordable.
Pour des maladies telles que la maladie de Chagas et d’autres maladies parasitaires tropicales négligées, pour lesquelles les incitations commerciales au développement de médicaments sont souvent plus faibles, les méthodes qui réduisent les essais et les erreurs et aident à prioriser les composés les plus prometteurs sont particulièrement utiles. Ils ne remplacent pas les expériences, mais ils peuvent aider à concentrer les efforts expérimentaux là où ils ont le plus de chances d'être productifs.
Dr Felipe Fantuzzi, auteur principal, maître de conférences en chimie, École des sciences naturelles
À mesure que la découverte de médicaments évolue vers des stratégies plus rapides et plus prédictives, l’intelligence artificielle est de plus en plus utilisée et, comme l’explique le Dr Fantuzzi, l’approche utilisée dans cette étude agit comme un partenaire naturel.
«La chimie computationnelle basée sur la physique reste essentielle lorsque l'objectif est de comprendre, en termes chimiquement interprétables, comment fonctionne réellement une réaction catalytique.» L'IA joue un rôle de plus en plus important dans l'identification de modèles, la priorisation des candidats et l'exploration plus efficace de l'espace chimique, mais elle est plus efficace lorsqu'elle est combinée à une modélisation mécaniste robuste du type utilisé ici.
La recherche a été menée dans le cadre du projet NUBIAN, une collaboration internationale entre le Royaume-Uni, le Brésil et la Sierra Leone soutenue par la Royal Society. Le projet se concentre sur la lutte contre les maladies tropicales négligées par le biais de recherches interdisciplinaires et internationales, dans le but d'améliorer les options de traitement pour certaines des communautés les plus vulnérables au monde.
