ALERTE SCIENTIFIQUE L’IA du MIT redéfinit les vaccins ARN : une nouvelle ère pour les thérapies ciblées

Dans une avancée scientifique d’une portée considérable, des chercheurs du Massachusetts Institute of Technology (MIT) ont dévoilé une méthode révolutionnaire pour concevoir des nanoparticules, ouvrant la voie à une administration plus efficace des vaccins à ARN messager (ARNm) et d’autres thérapies basées sur l’ARN. Cette innovation, pilotée par l’intelligence artificielle, promet d’accélérer significativement le développement de traitements pour un large éventail de maladies, y compris les troubles métaboliques tels que l’obésité et le diabète. L’optimisation de la livraison de matériel génétique représente un défi central en médecine moderne, et cette approche, conçue pour une indexation rapide sur Google Actualités, positionne le MIT à la pointe de la recherche.

IA : Le Moteur de l’Optimisation des Nanoparticules

Le cœur de cette découverte réside dans l’application de modèles d’apprentissage automatique pour analyser des milliers de nanoparticules existantes. En formant un modèle capable de décortiquer les interactions complexes au sein de ces minuscules vecteurs, les chercheurs du MIT ont pu prédire la création de nouveaux matériaux offrant une performance supérieure pour la délivrance de l’ARN. Cette méthode ne se limite pas à l’identification de formulations universellement efficaces ; elle permet également de cibler des types cellulaires spécifiques et d’intégrer de nouveaux composants pour améliorer la stabilité et la fonctionnalité des nanoparticules.

“Nous avons appliqué des outils d’apprentissage automatique pour aider à accélérer l’identification de mélanges d’ingrédients optimaux dans des nanoparticules lipidiques,” explique Giovanni Traverso, professeur agrégé de génie mécanique au MIT et auteur principal de l’étude. “Cela nous permet de cibler différents types de cellules ou d’intégrer divers matériaux, et ce, beaucoup plus rapidement que ce qui était auparavant possible.” Cette capacité à accélérer la découverte, en particulier dans le domaine du SEO pour la recherche médicale, est cruciale pour l’avancement rapide de la science.

Des Vaccins ARN Plus Performants Grâce à l’IA

Les vaccins à ARNm, tels que ceux développés contre le SARS-CoV-2, reposent sur des nanoparticules lipidiques (LNP) pour protéger l’ARNm de la dégradation et faciliter son entrée dans les cellules. L’amélioration de l’efficacité de ces véhicules de livraison est essentielle pour le développement de vaccins encore plus puissants. De plus, des LNP plus performants ouvrent la porte au développement de thérapies ARN innovantes, capables de coder des protéines bénéfiques pour traiter une multitude de pathologies.

La formulation d’une LNP implique généralement quatre composants clés : un cholestérol, un lipide d’assistance, un lipide ionisable et un lipide conjugué au polyéthylène glycol (PEG). La combinaison de différentes variantes de ces composants génère un nombre quasi infini de formulations possibles. Tester chaque combinaison individuellement s’avère une entreprise longue et coûteuse. C’est là qu’intervient l’IA.

Alvin Chan, un autre auteur clé de l’étude, souligne : “La plupart des modèles d’IA dans la découverte de médicaments se concentrent sur l’optimisation d’un seul composé à la fois, mais cette approche n’est pas adaptée aux nanoparticules lipidiques, composées de plusieurs éléments interagissant.” Pour pallier cela, les chercheurs ont développé un nouveau modèle, baptisé « Comet », qui s’inspire de l’architecture des transformeurs, la même technologie qui alimente les modèles de langage avancés comme ChatGPT. “Comet apprend comment les différents composants chimiques s’assemblent dans une nanoparticule pour influencer ses propriétés, y compris sa capacité à délivrer de l’ARN dans les cellules,” précise Chan.

Tester et Affiner les Formulations de Nanoparticules

Afin de fournir à leur modèle d’apprentissage automatique les données nécessaires à son entraînement, les chercheurs ont méticuleusement créé une bibliothèque de près de 3 000 formulations LNP distinctes. Chaque particule a été soumise à des tests en laboratoire pour évaluer son efficacité de livraison de charge utile, avant d’être intégrée au modèle d’IA. Suite à cette phase d’apprentissage, le modèle a été sollicité pour prédire de nouvelles formulations surpassant celles existantes. Ces prédictions ont été validées expérimentalement en utilisant les nouvelles formulations pour délivrer de l’ARNm codant une protéine fluorescente à des cellules cutanées de souris en culture.

Les résultats ont démontré que les LNP prédites par le modèle surpassaient non seulement les particules incluses dans les données d’entraînement, mais dans certains cas, se montraient même plus performantes que les formulations LNP utilisées commercialement. Cette capacité de prédiction précise positionne l’IA comme un outil indispensable pour accélérer le développement de thérapies à l’ARN.

Vers des Thérapies ARN Personnalisées et Stables

Forts de cette première validation, les chercheurs ont étendu les capacités de leur modèle. Ils ont exploré la possibilité d’intégrer un cinquième composant, un polymère appelé esters amino poly bêta ramifiés (PBAE), dans les nanoparticules, puis de former le modèle à prédire les LNP les plus efficaces pour différents types cellulaires, y compris les cellules Caco-2, dérivées de cellules cancéreuses colorectales. Le modèle a réussi à identifier des LNP capables de délivrer efficacement l’ARNm à ces cellules cibles.

Enfin, l’IA a été mise à contribution pour prédire quelles LNP résisteraient le mieux à la lyophilisation, un processus de séchage par le froid essentiel pour prolonger la durée de conservation de nombreux médicaments. Cette avancée ouvre des perspectives considérables pour la logistique et la disponibilité des thérapies à base d’ARN, rendant potentiellement ces traitements plus accessibles à l’échelle mondiale.

“C’est un outil qui nous permet de l’adapter à un ensemble de questions variées et d’aider à accélérer le développement des vaccins à ARN,” conclut Giovanni Traverso. “Nous avons constitué une base de données d’entraînement étendue pour le modèle, mais on peut ensuite mener des expériences plus ciblées et obtenir des résultats pertinents pour des problématiques très différentes.” Cette approche synergique entre l’IA et la recherche biomédicale représente un véritable tournant, promettant une médecine plus personnalisée et des avancées thérapeutiques sans précédent. Restez connectés sur nouvelles-du-monde.com pour suivre les développements de cette actualité urgente qui façonnera l’avenir de la santé.