Des scientifiques ont mis au point un nouveau système d'apprentissage automatique qui pourrait aider à préserver les vaccins, le sang et d'autres traitements médicaux.
Les recherchepubliée dans Nature Communications, a été menée par l'université de Warwick et l'université de Manchester.
Le système d'IA permet d'identifier des molécules appelées cryoprotecteurs, c'est-à-dire des composés qui préviennent les dommages causés par la congélation de matériel biologique.
Les cryoprotecteurs sont des substances spéciales qui aident à protéger les cellules et les tissus vivants contre les dommages lorsqu'ils sont congelés.
Ils empêchent la formation de cristaux de glace nocifs, qui brisent essentiellement les tissus lorsqu'ils sont congelés, et aident également les cellules à maintenir leur structure en cas de froid extrême.
Ces composés sont d'une importance fondamentale pour la conservation d'éléments tels que les vaccins, les échantillons de sang et les cellules reproductrices en vue d'un stockage ou d'un transport à long terme.
Les cryopréservants pourraient un jour être utilisés pour préserver des organes, des tissus complexes, voire des êtres humains entiers.
Actuellement, la recherche de nouveaux cryoprotecteurs est un processus lent d'essais et d'erreurs. Cette nouvelle approche basée sur la ML permet aux chercheurs de passer rapidement au crible des centaines de molécules potentielles de manière virtuelle.
Voici quelques points clés de l'étude :
- L'équipe a créé un modèle d'apprentissage automatique formé à partir de données provenant de cryoprotecteurs existants.
- Ce modèle permet de prédire l'efficacité des nouvelles molécules en tant que cryoprotecteurs.
- Les chercheurs ont utilisé le modèle pour sélectionner une bibliothèque d'environ 500 acides aminés.
- Le système a permis d'identifier plusieurs composés prometteurs, dont un ester d'aminooxazole plus performant que de nombreux cryoprotecteurs connus.
- Des tests en laboratoire ont confirmé les prédictions de l'IA, le nouveau composé présentant une forte prévention des cristaux de glace.
- La molécule découverte a permis d'améliorer la conservation des globules rouges lorsqu'elle est combinée aux techniques standard.
L'ester d'oxazole aminé identifié par l'étude a démontré des qualités d'inhibition de la recristallisation de la glace (IRI) particulièrement remarquables. Il a presque totalement empêché les cristaux de glace de grossir pendant le processus de congélation.
Le composé est resté efficace même lorsque les chercheurs ont réduit sa concentration. En outre, il a conservé ses propriétés inhibitrices de la glace dans une solution saline tamponnée au phosphate (PBS), une solution qui reproduit la concentration de sel dans le corps humain.
Matt Warren, l'étudiant en doctorat qui a dirigé le projet, a décrit la manière dont le modèle accélère l'efficacité : "Après des années de collecte de données laborieuses en laboratoire, il est extrêmement intéressant de disposer d'un modèle d'apprentissage automatique qui permet une approche fondée sur les données pour prédire l'activité cryoprotectrice."
Le professeur Matthew Gibson, de Manchester, ajoute : "Les résultats du modèle informatique ont été étonnants, identifiant des molécules actives que je n'aurais jamais choisies, même avec mes années d'expertise".
Le professeur Gabriele Sosso, qui a dirigé l'équipe de Warwick, a expliqué dans un billet de blog que, bien qu'impressionnant, l'apprentissage automatique n'est pas une panacée pour ces types de problèmes de recherche : "Il est important de comprendre que l'apprentissage automatique n'est pas une solution magique à tous les problèmes scientifiques. Dans ce travail, nous l'avons utilisé comme un outil parmi d'autres."
Les chercheurs ont combiné les prédictions de l'IA avec des simulations moléculaires et des expériences en laboratoire - une approche multidimensionnelle qui a permis de valider les résultats et d'affiner le modèle.
Cela contribue à une série d'études basées sur l'IA dans le domaine de la découverte de médicaments et de la conception de matériaux. Les chercheurs ont construit des modèles d'IA pour générer des composés médicinauxdont l'un a été soumis à un essai clinique.
DeepMind a également créé un modèle appelé GNoME capable de générer et de synthétiser automatiquement des matériaux.
Les nouveaux composés cryoprotecteurs découverts pourraient avoir de vastes répercussions dans le monde réel.
Par exemple, les chercheurs décrivent comment l'amélioration de la cryoconservation pourrait prolonger la durée de conservation des vaccins et faciliter le transport de traitements médicaux sensibles vers des zones reculées.
La technique pourrait également accélérer les transfusions sanguines en réduisant le temps nécessaire au traitement du sang congelé.
Bien que les résultats soient prometteurs, l'équipe avertit que des travaux supplémentaires sont nécessaires pour comprendre pleinement le fonctionnement de ces nouveaux composés et pour garantir la sécurité et la stabilité médicales.
