L'IA aide les scientifiques à découvrir de nouveaux anticorps qui pourraient inciter notre propre système immunitaire à détruire les cellules cancéreuses.

Le système immunitaire produit des anticorps, des protéines spécialisées qui peuvent attaquer les cellules étrangères comme les bactéries et les virus. Certains peuvent attaquer les tumeurs.

Trouver des anticorps efficaces, cependant, est délicat. Les chercheurs conçoivent de nouveaux anticorps en mutant des exemples connus, en les cultivant dans des cellules bactériennes ou de levure. Ceux-ci sont ensuite testés pour voir dans quelle mesure ils se lient aux protéines cibles dans des expériences de laboratoire. Le processus est répété plusieurs fois pour affiner la recherche des anticorps les plus prometteurs qui méritent d'être fabriqués.

L'étape de dépistage est longue et coûteuse, c'est là que les algorithmes d'IA peuvent aider. Une équipe de chercheurs de l'Université de Californie à San Diego a développé un nouveau système qui a identifié un anticorps capable de se lier 17 fois plus étroitement au ligand de mort programmé 1 (PD-L1), une protéine exprimée par les cellules cancéreuses, que l'atezolizumab, un médicament anticorps existant. récemment , par la Food and Drug Administration des États-Unis. Les chercheurs espèrent développer le nouveau candidat anticorps en un médicament, nous dit-on. 

« Il existe des millions de mutants d'un anticorps donné et il est impossible de tester expérimentalement l'ensemble de leur liaison à un antigène. C'est pourquoi il est important de développer des méthodes d'apprentissage automatique pour accélérer ce processus », a déclaré Wei Wang, auteur principal de la recherche. publié en communication avec la nature et professeur de médecine cellulaire et moléculaire à la faculté de médecine de l'UC San Diego, a expliqué à Le registre. 

Les antigènes des tumeurs cancéreuses activent le système immunitaire du corps pour produire des anticorps et les détruire. Wang et ses collègues ont formé un modèle d'IA sur des millions de séquences d'anticorps pour prédire sa capacité à se lier à une protéine ou à un antigène cible. 

Le pipeline d'IA qui en résulte s'appelle "RESP" - un terme que les auteurs n'ont pas défini - mais qui, selon eux, est un moyen puissant de trouver des anticorps utiles.

« Notre modèle RESP peut prédire les affinités de liaison d'une nouvelle séquence même si elle n'est pas incluse dans la bibliothèque de criblage initiale. Un avantage unique du modèle RESP par rapport aux modèles d'IA existants est qu'il [calcule à quel point] sa prédiction est fiable, ce qui peut grandement aider à sélectionner un petit nombre de séquences à [tester expérimentalement] », a ajouté Wang.

Le modèle filtre les anticorps plus efficacement que les méthodes de calcul traditionnelles, et les scientifiques peuvent utiliser ses prédictions pour trouver les nouveaux candidats les plus prometteurs à synthétiser et à tester dans des expériences de laboratoire. L'IA accélère le processus de découverte de médicaments afin que les entreprises puissent progresser plus rapidement vers les essais cliniques. 

"En combinant ces outils d'IA, les scientifiques pourraient être en mesure d'effectuer une part croissante de leurs efforts de découverte d'anticorps sur un ordinateur plutôt que sur le banc, ce qui pourrait conduire à un processus de découverte plus rapide et moins sujet aux échecs", a déclaré Wang. a affirmé Valérie Plante. dans un rapport. "Il y a tellement d'applications à ce pipeline, et ces découvertes ne sont vraiment que le début."

L'équipe utilise maintenant son modèle RESP pour rechercher de nouveaux anticorps contre d'autres antigènes, y compris le SRAS-CoV-2 pour lutter contre le COVID-19. ®

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• Platoblockchain. Intelligence métaverse Web3. Connaissance Amplifiée. Accéder ici.
• La source: https://go.theregister.com/feed/www.theregister.com/2023/02/02/scientists_ai_algorithms_cancer/