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

Un nouvel algorithme avancé d'intelligence artificielle (IA) pourrait conduire à des prédictions plus précises et plus précoces, ainsi qu'au développement de nouveaux traitements pour les maladies auto-immunes, dans lesquelles le système immunitaire attaque par erreur les cellules et tissus sains du corps. L'algorithme analyse le code génétique sous-jacent à ces conditions pour modéliser plus précisément la façon dont les gènes associés à des maladies auto-immunes spécifiques sont exprimés et régulés, et pour identifier des gènes à risque supplémentaires.

Les travaux, développés par une équipe de chercheurs de la Faculté de médecine de l'Université de Pennsylvanie, surpassent les méthodologies existantes et ont identifié 26 % de nouvelles associations de traits génétiques supplémentaires, rapportent les chercheurs. Leurs travaux ont été publiés aujourd'hui dans Nature Communications.

"Nous avons tous des mutations dans notre ADN, et nous devons comprendre comment chacune de ces mutations peut affecter l'expression de gènes liés à la maladie afin de pouvoir prédire le risque de maladie à un stade précoce. Ceci est particulièrement important pour les maladies auto-immunes." a déclaré Dajiang Liu, professeur distingué, vice-président de la recherche et directeur de l'intelligence artificielle et de l'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 avec plus de précision le risque de maladie, cela signifie que nous pouvons intervenir plus tôt."

Génétique et développement des maladies

La génétique est souvent à l'origine du développement de maladies. Les variations de l'ADN peuvent affecter l'expression des gènes, qui est le processus par lequel les informations contenues dans l'ADN sont converties en produits fonctionnels tels que les protéines. La force ou la faiblesse d'expression d'un gène peut influencer le risque de maladie.

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

Les méthodes existantes sont également limitées dans le détail de l'analyse. L'expression des gènes peut être spécifique à certains types de cellules. Si l'analyse ne fait pas de distinction entre les différents types de cellules, les résultats peuvent manquer les véritables relations de cause à effet entre les variantes génétiques et l'expression des gènes.

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 mononucléées qui relient les variantes génétiques aux gènes qu'elles régulent.

Il intègre également des données génomiques 3D et épigénétiques, qui mesurent 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 et le colite ulcéreuse et polyarthrite rhumatoïde.

"Grâce à cette nouvelle méthode, nous avons pu identifier beaucoup plus de gènes à risque pour les maladies auto-immunes qui ont véritablement des effets spécifiques à un 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. Du Collège 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. Actuellement, disent-ils, il n'existe pas de bonnes options de traitement 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, mais les traitements existants ont souvent des effets secondaires si graves qu'ils ne peuvent pas être utilisés à long terme. Cependant, la génomique et l'IA offrent une voie prometteuse pour développer de nouvelles thérapies", a déclaré Laura Carrel, professeur de biochimie et de biologie moléculaire à la faculté de médecine de l'Université de Pennsylvanie et co-auteur de l'étude.

Les travaux de l'équipe ont mis en évidence des composés médicamenteux capables d'inverser l'expression des gènes dans les types de cellules associés aux maladies auto-immunes, tels que la vitamine K pour la colite ulcéreuse et la metformine, qui prescrit pour le diabète de type 2, pour le diabète de type 1. Ces médicaments, déjà approuvés par la Food and Drug Administration (FDA) des États-Unis comme étant sûrs et efficaces pour traiter d'autres maladies, pourraient potentiellement être réutilisés.

L'équipe de recherche travaille avec des collègues pour tester leurs résultats en laboratoire et éventuellement dans le cadre d'essais cliniques.

Lida Wang, doctorante dans le programme de biostatistique, et Chakrit Khunsriraksakul, qui a obtenu son doctorat en bioinformatique et génomique en 2022 et son diplôme de médecine en mai de l'Université de Pennsylvanie, ont dirigé l'étude. Parmi les autres auteurs du Collège de médecine de l'Université de Pennsylvanie figurent Havell Marcus, qui poursuit un doctorat en médecine et un diplôme en médecine ; Deyi Chen, doctorant; Fan Zhang, étudiant diplômé; et Fang Chen, boursier postdoctoral. Xiaowei Zhang, professeur adjoint au Southwestern Medical Center de l'Université du Texas, s'est également joint aux travaux.