Les scientifiques de Cambridge ont identifié 200 médicaments approuvés qui devraient agir contre COVID-19 – dont seulement 40 sont actuellement testés dans des essais cliniques COVID-19.
Dans une étude publiée dans Avancées scientifiques, une équipe dirigée par des chercheurs du Milner Therapeutics Institute et du Gurdon Institute de l’Université de Cambridge a utilisé une combinaison de biologie computationnelle et d’apprentissage automatique pour créer une carte complète des protéines impliquées dans l’infection par le SRAS-CoV-2 – à partir de protéines qui aident le virus pénétrer dans la cellule hôte à ceux générés à la suite d’une infection. En examinant ce réseau à l’aide d’approches d’intelligence artificielle (IA), ils ont pu identifier des protéines clés impliquées dans l’infection ainsi que des voies biologiques qui pourraient être ciblées par des médicaments.
Représentation graphique du COVID-19 et des réseaux. Crédit : geralt via Pixabay, licence gratuite
À ce jour, la majorité des approches de petites molécules et d’anticorps pour traiter le COVID-19 sont des médicaments qui font actuellement l’objet d’essais cliniques ou qui ont déjà fait l’objet d’essais cliniques et ont été approuvés. Une grande partie de l’attention a été portée sur plusieurs virus clés ou cibles hôtes, ou sur des voies – telles que l’inflammation – où un traitement médicamenteux pourrait être utilisé comme intervention.
L’équipe a utilisé la modélisation informatique pour réaliser un «écran virtuel» de près de 2 000 médicaments approuvés et a identifié 200 médicaments approuvés qui pourraient être efficaces contre COVID-19. Quarante de ces médicaments sont déjà entrés dans des essais cliniques, ce qui, selon les chercheurs, soutient l’approche qu’ils ont adoptée.
Lorsque les chercheurs ont testé un sous-ensemble de ces médicaments impliqués dans la réplication virale, ils ont découvert que deux en particulier – un médicament antipaludique et un type de médicament utilisé pour traiter la polyarthrite rhumatoïde – étaient capables d’inhiber le virus, fournissant une validation initiale de leurs données. approcher.
Le professeur Tony Kouzarides, directeur du Milner Therapeutics Institute, qui a dirigé l’étude, a déclaré : « En examinant globalement les milliers de protéines qui jouent un rôle dans l’infection par le SRAS-CoV-2 – que ce soit activement ou à la suite d’infections – nous avons pu créer un réseau découvrant la relation entre ces protéines.
« Nous avons ensuite utilisé les dernières techniques d’apprentissage automatique et de modélisation informatique pour identifier 200 médicaments approuvés qui pourraient nous aider à traiter le COVID-19. Parmi eux, 160 n’avaient pas été liés à cette infection auparavant. Cela pourrait nous donner beaucoup plus d’armes dans notre arsenal pour lutter contre le virus. »
À l’aide d’une analyse de réseau neuronal artificiel, l’équipe a classé les médicaments en fonction du rôle primordial de leurs cibles dans l’infection par le SRAS-CoV-2 : ceux qui ciblaient la réplication virale et ceux qui ciblaient la réponse immunitaire. Ils ont ensuite pris un sous-ensemble de ceux impliqués dans la réplication virale et les ont testés à l’aide de lignées cellulaires dérivées d’humains et de primates non humains.
Il convient de noter en particulier deux médicaments, la sulfasalazine (utilisée pour traiter des affections telles que la polyarthrite rhumatoïde et la maladie de Crohn) et le proguanil (un médicament antipaludéen), dont l’équipe a montré une réplication virale SARS-CoV-2 réduite dans les cellules, augmentant la possibilité de leur potentiel utiliser pour prévenir l’infection ou pour traiter le COVID-19.
Le Dr Namshik Han, responsable de la recherche informatique et de l’IA au Milner Therapeutics Institute, a ajouté : « Notre étude nous a fourni des informations inattendues sur les mécanismes sous-jacents au COVID-19 et nous a fourni des médicaments prometteurs qui pourraient être réutilisés pour traiter ou prévenir l’infection. Alors que nous avons adopté une approche axée sur les données – permettant essentiellement à des algorithmes artificiellement intelligents d’interroger des ensembles de données – nous avons ensuite validé nos résultats en laboratoire, confirmant la puissance de notre approche.
« Nous espérons que cette ressource de médicaments potentiels accélérera le développement de nouveaux médicaments contre le COVID-19. Nous pensons que notre approche sera utile pour répondre rapidement aux nouvelles variantes du SRAS-CoV2 et à d’autres nouveaux agents pathogènes qui pourraient entraîner de futures pandémies. »
La source: Université de Cambridge
