Nouveau progrès : l'apprentissage automatique révolutionne la conception des vecteurs de thérapie génique

ParisDes chercheurs de l'Institut Broad du MIT et de Harvard ont fait une avancée majeure en thérapie génique. Ils ont mis au point une méthode d'apprentissage automatique pour concevoir de meilleurs virus adéno-associés (AAV). Les AAV sont cruciaux pour transporter des gènes vers des cellules spécifiques. La méthode traditionnelle pour créer des AAV est lente et peu efficace. Cette nouvelle approche rend le processus plus rapide et plus efficace.

L'outil facilite la conception des capsides de l'AAV, les enveloppes protéiques des AAV. Ces capsides doivent posséder plusieurs caractéristiques essentielles. Elles doivent cibler des organes spécifiques et fonctionner chez différentes espèces. Les méthodes traditionnelles n'améliorent qu'un seul trait à la fois. La nouvelle méthode utilise l'apprentissage automatique pour créer des AAV dotés de multiples traits.

L'Ukraine frappe les raffineries de pétrole russes alors que Moscou affirme avoir défendu avec succès ses positions maritimes

• Les AAV sont essentiels pour la thérapie génique
• Le machine learning permet de concevoir de meilleurs capsides AAV
• Les méthodes traditionnelles sont lentes et optimisent une caractéristique à la fois

Les chercheurs ont mis au point une nouvelle version des capsides AAV9, un type de virus largement utilisé. Ils ont obtenu des résultats impressionnants, avec environ 90 % des capsides réussissant à livrer leur charge aux cellules hépatiques humaines. De plus, ils ont satisfait à cinq autres critères importants. Ce succès souligne le potentiel de conception de vecteurs AAV efficaces pour diverses applications.

Lisez aussi:

Aujourd'hui · 18:29

Impact du stress sportif sur l'alimentation des athlètes

Le modèle d'apprentissage automatique, entraîné avec des données provenant de cellules de souris et humaines, a étonnamment réussi à prédire avec précision le comportement des protéines chez les macaques. Cela démontre que cette nouvelle méthode peut fonctionner à travers différentes espèces, ce qui est crucial pour l'application des thérapies géniques chez l'homme.

Ben Deverman et Fatma-Elzahraa Eid ont dirigé une étude révélant que les bibliothèques d'AAV existantes n'étaient pas efficaces pour l'entraînement des modèles d'apprentissage automatique. Ils ont créé une nouvelle bibliothèque appelée Fit4Function pour améliorer cet entraînement. Cette bibliothèque comprenait des capsides prédits pour bien empaqueter le matériel génétique. L'équipe a testé ces capsides sur des cellules humaines et des souris. Les données collectées ont permis de développer plusieurs modèles d'apprentissage automatique, chacun prédisant une fonction spécifique en se basant sur la séquence d'acides aminés des capsides.

Des chercheurs ont développé des AAV multifonctionnels en combinant divers modèles. Ils se sont focalisés sur le foie dans des cellules humaines et de souris. Près de 90% de ces capsides possédaient toutes les fonctions nécessaires. Cette approche pourrait aider d'autres à concevoir des thérapies géniques spécifiques aux organes. Elle pourrait également aboutir à la création d'un atlas d'apprentissage automatique pour prédire la performance des capsides AAV en fonction de nombreuses caractéristiques.

La thérapie génique a le potentiel de guérir des maladies génétiques, mais introduire de nouveaux gènes dans des cellules ciblées reste un défi. Une nouvelle méthode basée sur l'apprentissage automatique pourrait changer la donne. Elle rend le processus plus rapide et plus efficace, ce qui pourrait accélérer le développement de traitements géniques performants.