Un nouvel article de recherche a été publié dans Vieillissement (répertorié par MEDLINE/PubMed comme « Aging (Albany NY) » et « Aging-US » par Web of Science) Volume 15, numéro 8, intitulé « Identification de cibles thérapeutiques à double usage impliquées dans le vieillissement et le glioblastome multiforme à l’aide de PandaOmics – une plate-forme de découverte de cibles biologiques activée par l’IA. »
Le glioblastome multiforme (GBM) est la tumeur cérébrale maligne primitive la plus agressive et la plus fréquente. L’âge des patients atteints de GBM est considéré comme l’un des facteurs pronostiques négatifs de la maladie et l’âge moyen au diagnostic est de 62 ans. Une approche prometteuse pour prévenir à la fois le GBM et le vieillissement consiste à identifier de nouvelles cibles thérapeutiques potentielles associées aux deux conditions en tant que moteurs simultanés.
Dans cette nouvelle étude, les chercheurs Andrea Olsen, Zachary Harpaz, Christopher Ren, Anastasia Shneyderman, Alexander Veviorskiy, Maria Dralkina, Simon Konnov, Olga Shcheglova, Frank W. Pun, Geoffrey Ho Duen Leung, Hoi Wing Leung, Ivan V. Ozerov, Alex Aliper, Mikhail Korzinkin, et Alex Zhavoronkov de The Youth Longevity Association, Pine Crest School Science Research Department, Shanghai High School International Division et Insilico Medicine présentent une approche multi-angles d’identification des cibles, qui prend en compte non seulement les gènes liés à la maladie, mais aussi ceux importants dans le vieillissement .
« A cet effet, nous avons développé trois stratégies d’identification de cible en utilisant les résultats de l’analyse de corrélation complétée par des données de survie, des différences dans les niveaux d’expression et des informations précédemment publiées sur les gènes liés au vieillissement. »
Plusieurs études ont récemment validé la robustesse et l’applicabilité des méthodes de calcul basées sur l’IA pour l’identification des cibles dans le cancer et les maladies liées au vieillissement. Par conséquent, les chercheurs ont exploité la puissance prédictive de l’IA du moteur PandaOmics TargetID afin de classer les hypothèses cibles résultantes et de hiérarchiser les cibles génétiques thérapeutiques les plus prometteuses. Ils proposent trois cibles thérapeutiques à double usage potentiellement nouvelles pour traiter le vieillissement et le GBM : la sous-unité alpha 3 du canal nucléotidique cyclique (CNGA3), la glutamate déshydrogénase 1 (GLUD1) et la sirtuine 1 (SIRT1).
« Les prochaines étapes vers la mise en œuvre des cibles thérapeutiques identifiées dans la clinique impliqueraient une génération de petites molécules et leur optimisation avec une validation supplémentaire et des tests précliniques pour déterminer leur innocuité, leur efficacité et leurs effets secondaires potentiels. »
