L'intelligence artificielle améliorera le pronostic et le traitement des maladies auto-immunes

Un nouvel algorithme d'intelligence artificielle (IA) avancé pourrait permettre des prédictions plus précises et plus précoces, ainsi que de nouveaux traitements pour les maladies auto-immunes, dans lesquelles le système immunitaire attaque par erreur les cellules et tissus sains de l'organisme. Cet algorithme analyse le code génétique sous-jacent à ces affections afin de modéliser plus précisément l'expression et la régulation des gènes associés à certaines maladies auto-immunes, et d'identifier d'autres gènes à risque.

Ces travaux, développés par une équipe de chercheurs de la faculté de médecine de l'Université de Pennsylvanie, surpassent les méthodologies existantes et ont permis d'identifier 26 % de nouvelles associations gènes-traits supplémentaires, selon les chercheurs. Leurs travaux ont été publiés aujourd'hui dans la revue Nature Communications.

« Nous avons tous des mutations dans notre ADN, et nous devons comprendre comment chacune d'entre elles peut affecter l'expression des gènes liés à la maladie afin de pouvoir prédire précocement le risque de maladie. C'est particulièrement important pour les maladies auto-immunes », a déclaré Dajiang Liu, professeur émérite, vice-président de la recherche et directeur du département d'intelligence artificielle et d'informatique biomédicale à la faculté de médecine de l'Université de Pennsylvanie, et co-auteur de l'étude.

« Si un algorithme d’IA peut prédire plus précisément le risque de maladie, cela signifie que nous pouvons intervenir plus tôt. »

La génétique et le développement des maladies

La génétique est souvent à l'origine du développement des maladies. Les variations de l'ADN peuvent affecter l'expression des gènes, processus par lequel l'information contenue dans l'ADN est convertie en produits fonctionnels tels que les protéines. L'intensité de l'expression d'un gène peut influencer le risque de maladie.

Les études d'association pangénomique (GWAS), une approche populaire en génétique humaine, permettent d'identifier les régions du génome associées à une maladie ou à un trait particulier, mais elles ne permettent pas d'identifier les gènes spécifiques qui influencent le risque de maladie. C'est comme partager sa position avec un ami, mais sans les réglages précis de son smartphone: la ville est peut-être évidente, mais l'adresse est masquée.

Les méthodes actuelles sont également limitées dans la précision de leur analyse. L'expression génétique peut être spécifique à certains types de cellules. Si l'analyse ne distingue pas les différents types de cellules, les résultats peuvent passer à côté de véritables relations de cause à effet entre les variants génétiques et l'expression génétique.

Méthode EXPRESSO

La méthode de l'équipe, appelée EXPRESSO (EXpression PREdiction with Summary Statistics Only), utilise un algorithme d'intelligence artificielle plus avancé et analyse les données des signatures d'expression quantitatives des cellules mononucléaires qui relient les variantes génétiques aux gènes qu'elles régulent.

Il intègre également des données génomiques 3D et l'épigénétique, qui mesure la manière dont les gènes peuvent être modifiés par l'environnement pour influencer la maladie. L'équipe a appliqué EXPRESSO aux ensembles de données GWAS pour 14 maladies auto-immunes, dont le lupus, la maladie de Crohn, la rectocolite hémorragique et la polyarthrite rhumatoïde.

« Grâce à cette nouvelle méthode, nous avons pu identifier beaucoup plus de gènes à risque de maladies auto-immunes qui ont réellement des effets spécifiques au type de cellule, ce qui signifie qu'ils n'affectent qu'un certain type de cellule et pas d'autres », a déclaré Bibo Jiang, professeur adjoint à la faculté de médecine de l'Université de Pennsylvanie et auteur principal de l'étude.

Applications thérapeutiques potentielles

L'équipe a utilisé ces informations pour identifier des traitements potentiels contre les maladies auto-immunes. Selon eux, il n'existe actuellement aucune option thérapeutique efficace à long terme.

« La plupart des traitements visent à soulager les symptômes plutôt qu'à guérir la maladie. C'est un dilemme, sachant que les maladies auto-immunes nécessitent un traitement à long terme, alors que les traitements existants ont souvent des effets secondaires si néfastes qu'ils ne peuvent être utilisés à long terme. Cependant, la génomique et l'IA offrent une voie prometteuse pour le développement de nouvelles thérapies », a déclaré Laura Carrel, professeure de biochimie et de biologie moléculaire à la faculté de médecine de l'Université de Pennsylvanie et co-auteure de l'étude.

Les travaux de l'équipe ont mis en évidence des composés médicamenteux capables d'inverser l'expression génétique dans les types de cellules associés aux maladies auto-immunes, comme la vitamine K pour la rectocolite hémorragique et la metformine, couramment prescrite pour le diabète de type 2, pour le diabète de type 1. Ces médicaments, déjà approuvés par la Food and Drug Administration (FDA) américaine comme sûrs et efficaces pour le traitement d'autres maladies, pourraient potentiellement être réutilisés.

L’équipe de recherche travaille avec des collègues pour tester leurs résultats en laboratoire et, à terme, dans le cadre d’essais cliniques.

Lida Wang, doctorante en biostatistique, et Chakrit Khunsriraksakul, qui obtiendra son doctorat en bioinformatique et génomique en 2022 et son diplôme de médecine en mai à l'Université de Pennsylvanie, ont dirigé l'étude. Parmi les autres auteurs de la Faculté de médecine de l'Université de Pennsylvanie figurent Havell Marcus, qui prépare son doctorat et son diplôme de médecine; Deyi Chen, chercheuse postdoctorale; Fang Zhang, étudiante diplômée; et Fang Chen, chercheuse postdoctorale. Xiaowei Zhang, professeure adjointe au Centre médical Southwestern de l'Université du Texas, a également participé à l'étude.