L’intelligence artificielle/apprentissage automatique (IA/ML) est le développement de systèmes informatiques capables d’effectuer des tâches qui nécessiteraient normalement une intelligence humaine. AI/ML est utilisé par des personnes tous les jours, par exemple, lors de l’utilisation d’appareils domestiques intelligents ou d’assistants vocaux numériques.
L’utilisation de l’IA/ML se développe également rapidement dans la recherche biomédicale et les soins de santé. Dans un récent article de point de vue, des chercheurs du Rutgers Cancer Institute du New Jersey et de la Rutgers New Jersey Medical School (NJMS) ont exploré comment l’IA/ML complétera les approches existantes axées sur les informations sur la séquence génome-protéine, y compris l’identification de mutations dans les tumeurs humaines.
Stephen K. Burley, MD, DPhil, co-responsable du programme de recherche en pharmacologie du cancer du Rutgers Cancer Institute, et professeur d’université et président Henry Rutgers et directeur de l’Institute for Quantitative Biomedicine de l’Université Rutgers, avec Renata Pasqualini, PhD, membre résident du Rutgers Cancer Institute et chef de la division de biologie du cancer, département de radio-oncologie du Rutgers NJMS, et Wadih Arap, MD, PhD, directeur du Rutgers Cancer Institute de l’hôpital universitaire, co-responsable du programme Investigations cliniques et précision Le programme de recherche thérapeutique du Rutgers Cancer Institute et le chef de la division d’hématologie/oncologie du département de médecine du Rutgers NJMS, partagent plus d’informations sur l’article, publié en ligne le 2 décembre dans Le Journal de médecine de la Nouvelle-Angleterre.
Sommaire
Quel est le potentiel de l’IA/MI dans la recherche sur le cancer et la pratique clinique ?
Nous prévoyons que les applications les plus immédiates de la modélisation de la structure calculée se concentreront sur les mutations ponctuelles détectées dans les tumeurs humaines (germinales ou somatiques). Des modèles de structure calculés d’oncoprotéines fréquemment mutées (par exemple, le récepteur du facteur de croissance épidermique, EGFR, illustré à la figure 2B de l’article) sont déjà utilisés pour aider à identifier les gènes responsables du cancer, permettre la découverte de traitements, expliquer la résistance aux médicaments et éclairer les plans de traitement.
Quels sont les plus grands défis de l’IA/ML dans le domaine de la santé ?
Dans les termes les plus larges, les défis essentiels incluraient probablement la recherche et le développement de l’IA/ML, la validation de la technologie, le déploiement efficace/équitable et l’intégration cohérente dans les systèmes de santé existants, et les problèmes inhérents liés à l’environnement réglementaire ainsi qu’aux problèmes complexes de remboursement des soins médicaux.
Comment cette technologie aura-t-elle un impact sur la conception de vaccins, en particulier en ce qui concerne le SRAS CoV2 ?
Allant au-delà de la connaissance de la structure 3D à travers des protéomes entiers (listes de pièces pour la biologie et la biomédecine), une modélisation informatique précise permettra des analyses des changements génétiques cliniquement significatifs se manifestant en 3D par des protéines individuelles. Par exemple, la protéine de pointe SARS-CoV-2 Delta Variant of Concern porte 13 changements d’amino.
Les structures 3D déterminées expérimentalement des variantes de protéines de pointe du SRAS-CoV-2 liées à divers anticorps, toutes disponibles en libre accès à partir de la Protein Data Bank (rcsb.org), peuvent être utilisées avec des modèles de structure calculés de nouvelles protéines de pointe Variant of Concern pour comprendre l’impact potentiel d’autres changements d’acides aminés. Dans les travaux actuellement en cours (pas encore publiés), nous avons utilisé des approches AI/ML pour comprendre la relation structure-fonction de la protéine de pointe SARS-CoV-2 Omicron Variant of Concern (avec plus de 30 changements d’acides aminés), illustrant la pratique et immédiate l’application de cette technologie émergente.
Quelle est la prochaine étape pour mieux utiliser l’IA/ML dans la recherche sur le cancer ?
Développement et diffusion équitable d’outils conviviaux que les biologistes du cancer peuvent utiliser pour comprendre les protéines des structures tridimensionnelles impliquées dans les cancers humains et comment les mutations somatiques affectent la structure et la fonction conduisant à une prolifération incontrôlée des cellules tumorales.
