Comment l'IA contribue à combler le fossé entre les animaux et les humains en matière de recherche
Analyse scientifique des mécanismes moléculaires de COVID-19
Le transfert des connaissances de l'expérimentation animale à l'homme reste un défi majeur de la recherche médicale. Ce "fossé translationnel" constitue souvent un obstacle à la transposition réussie de découvertes précliniques prometteuses en applications cliniques. Dans le cadre d'un projet de recherche conjoint entre l'université de Leipzig et la Charité - Universitätsmedizin Berlin, des scientifiques ont eu recours à l'intelligence artificielle pour mettre au point une approche permettant de comparer les mécanismes moléculaires de la maladie Covid-19 chez l'homme et chez l'animal. Leurs conclusions ont été récemment publiées dans la revue "The Lancet - eBioMedicine".
Le transfert des connaissances des modèles animaux vers l'homme est essentiel pour comprendre les mécanismes des maladies et développer des stratégies thérapeutiques précises. La méthode à haute résolution du séquençage de l'ARN d'une seule cellule permet de révéler les similitudes et les différences entre l'homme et les modèles animaux au niveau moléculaire et cellulaire avec une précision sans précédent. Cependant, il existe très peu de méthodes informatisées permettant une comparaison détaillée de ces précieuses données. Dans un récent article de recherche, des scientifiques de l'Institut d'informatique médicale, de statistique et d'épidémiologie (IMISE) et de ScaDS.AI de l'université de Leipzig, en collaboration avec le département de médecine respiratoire et de soins intensifs de la Charité, présentent un modèle d'intelligence artificielle qu'ils ont créé pour COVID-19 sur la base de réseaux neuronaux. Ils ont utilisé des données sanguines provenant d'humains et de différentes espèces de hamster atteints de COVID-19 modérée ou sévère et les ont comparées au niveau moléculaire.
"Nous avons montré que le fossé translationnel entre les modèles animaux et les patients humains peut être réduit en intégrant des modèles robustes d'apprentissage profond en combinaison avec des analyses biologiquement informées. L'IA apprend systématiquement les différences moléculaires entre l'animal et l'homme, et peut ensuite traduire les schémas moléculaires de l'animal malade en schémas correspondants chez l'homme, pour ainsi dire en humanisant les données du modèle animal", explique le Dr Holger Kirsten, scientifique à l'Institut d'informatique médicale, de statistique et d'épidémiologie (IMISE) de l'université de Leipzig et auteur correspondant de l'étude récente.
Des résultats cohérents avec les données relatives à la pandémie
"Nous avons pu montrer que l'activation du système immunitaire dans les cas modérés de COVID-19 est très similaire chez les hamsters syriens et les humains, en particulier en ce qui concerne les monocytes", explique le Dr Geraldine Nouailles, chef de groupe scientifique au département de médecine respiratoire et de soins intensifs de la Charité et auteur correspondant de l'étude. Les monocytes sont les précurseurs des macrophages, les cellules nécrophages du système immunitaire. En revanche, si nous voulons étudier des cas graves de maladie, il est préférable d'examiner les neutrophiles des hamsters de Roborovski", explique le scientifique. "Ces cellules immunitaires particulièrement réactives se comportent de manière très similaire chez cette espèce de hamster et chez l'homme". Ces résultats sont cohérents avec les observations sur les pandémies recueillies auprès de patients humains.
"De telles comparaisons de données de séquençage d'ARN unicellulaire sont bien adaptées pour révéler les similitudes et les différences au niveau moléculaire et cellulaire chez les animaux et les humains, ce qui va bien au-delà de la recherche COVID-19", déclare Holger Kirsten. Geraldine Nouailles résume : "La méthodologie que nous avons développée nous permet de mieux identifier les modèles animaux appropriés pour les maladies humaines et de déterminer les stades de la maladie qui correspondent les uns aux autres. Cela peut améliorer le développement et l'essai de stratégies thérapeutiques et optimiser le processus de passage des études précliniques aux études cliniques."
À l'avenir, l'équipe de recherche de Leipzig prévoit de développer davantage cette méthodologie et de l'appliquer à d'autres modèles animaux utilisés pour étudier l'efficacité et la sécurité des thérapies immunomodulatrices chez l'homme. Un exemple en est la thérapie cellulaire CAR T, une méthode de traitement prometteuse pour certains types de cancer.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Vincent D. Friedrich, Peter Pennitz, Emanuel Wyler, Julia M. Adler, Dylan Postmus, Kristina Müller, Luiz Gustavo Teixeira Alves, Julia Prigann, Fabian Pott, ... Martin Witzenrath, Jakob Trimpert, Holger Kirsten, Geraldine Nouailles; "Neural network-assisted humanisation of COVID-19 hamster transcriptomic data reveals matching severity states in human disease"; eBioMedicine
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
