La plateforme UNAGI de Jun Ding, Ph. D., ainsi qu’une série d’outils optimisés par l’intelligence artificielle font avancer les traitements in silico, décodent la dynamique cellulaire et rationalisent la découverte de médicaments grâce à l’étude des maladies.
Comprendre comment les cellules se transforment pendant la maladie s’avère crucial pour faire avancer les diagnostics et les traitements. Jun Ding, Ph. D., scientifique junior au sein du Programme de recherche translationnelle sur les maladies respiratoires à L’Institut et bénéficiaire de la prestigieuse bourse du Fonds de recherche du Québec — Santé en intelligence artificielle en santé, adopte une nouvelle approche pour relever ce défi. Travaillant avec un réseau international de collaboratrices et de collaborateurs, Jun Ding et son équipe ont recours à des outils d’intelligence artificielle (IA) pour décoder la progression des maladies — en poursuivant l’objectif d’identifier des traitements plus efficacement et de les rendre disponibles plus tôt pour les patientes et pour les patients.
Les travaux les plus récents de Jun Ding et de son équipe se concentrent sur une plateforme appelée UNAGI — l’un des premiers outils d’IA générative conçus dans le but de décoder la dynamique cellulaire et de modéliser entièrement la maladie dans un environnement virtuel. En simulant la manière dont les cellules individuelles se transforment au fil du temps et dont elles pourraient réagir à des traitements potentiels, cette équipe est la première à avoir recours à une nouvelle catégorie de « traitements d’une maladie in silico ». Cette approche accélère la découverte de candidats médicaments, tout en réduisant la nécessité de procéder à des expériences en laboratoire chronophages. L’étude en question, dirigée par le premier auteur Yumin Zheng et publiée dans Nature Biomedical Engineering, démontre comment la plateforme UNAGI peut aider à identifier de nouveaux traitements pour des affections comme la fibrose pulmonaire idiopathique (FPI) et la COVID-19 — mettant en lumière son caractère novateur et ses retombées translationnelles en médecine computationnelle.
Dans l’étude susmentionnée, la plateforme UNAGI a été utilisée pour identifier des traitements candidats pour la FPI et pour la COVID-19. Parmi diverses pistes à explorer, la plateforme a identifié la nifédipine — il s’agit d’un médicament couramment utilisé pour traiter l’hypertension artérielle — comme traitement potentiel pour la fibrose pulmonaire. On a validé cette hypothèse au cours d’expériences menées sur des coupes biologiques effectuées avec une grande précision sur des poumons humains pendant des transplantations d’organes à l’université KU Leuven et sélectionnées pour représenter différents stades de la maladie. Pour sa part, l’équipe de la faculté de médecine de l’université Yale, dirigée par l’auteur-ressource Naftali Kaminski, M.D., a non seulement effectué la validation fonctionnelle, mais a également généré un atlas complet de l’expression génique des cellules individuelles de ces tissus, permettant ainsi d’acquérir une vision à haute résolution des trajectoires de la fibrose. Les résultats de ces scientifiques ont démontré que la nifédipine pourrait réduire les signatures fibrotiques dans les tissus pulmonaires, soutenant ainsi le potentiel thérapeutique de ce médicament. L’étude susmentionnée démontre comment l’intégration de découvertes ayant recours à l’IA à la validation par plusieurs institutions peut accélérer la traduction de prédictions computationnelles en connaissances cliniques dans le monde réel.
La plateforme UNAGI est fondée sur l’apprentissage machine — forme d’IA qui peut découvrir des modèles dans de larges ensembles de données sans nécessiter le recours à des exemples préalablement étiquetés. Elle analyse les données transcriptomiques des cellules simples, qui suivent l’expression génique de ces dernières au fil du temps, afin d’apprendre comment des cellules saines peuvent passer à des états pathologiques. La plateforme UNAGI peut ensuite effectuer des perturbations in silico — il s’agit d’interventions virtuelles simulant la manière dont les médicaments candidats pourraient modifier ces trajectoires et restaurer un comportement cellulaire plus sain.
En plus de la FPI et de la COVID-19, la plateforme a également été appliquée à d’autres maladies, dont la dystrophie musculaire de Duchenne, faisant ressortir sa grande utilité dans la découverte de médicaments fondée sur l’IA. En combinant l’apprentissage machine avec l’omique des cellules individuelles à haute résolution, la plateforme UNAGI offre un moyen modulable, mécaniste et efficient de découvrir les mécanismes de la maladie et de hiérarchiser les traitements candidats s’appliquant à une vaste gamme d’affections.
L’importance des travaux susmentionnés a aussi été reconnue dans l’article vedette de la section Technology du numéro de novembre 2024 de Nature, intitulé Computational technologies of the Human Cell Atlas. Cet article décrivait sept outils dominants à l’échelle mondiale — dont trois ont été mis au point par Jun Ding et son équipe. Ces outils contribuent à surmonter les obstacles techniques et financiers qui ont historiquement limité les progrès dans la recherche sur les cellules individuelles.
La recherche commentée ici bénéficie du soutien des Laboratoires Meakins-Christie, par l’intermédiaire de la chaire de recherche sur les maladies respiratoires dirigée par Jun Ding, ainsi que du financement des Instituts de recherche en santé du Canada, du Conseil de recherches en sciences naturelles et en génie du Canada, de même que du Fonds de recherche du Québec. Ces travaux de recherches sont aussi soutenus en partie par la Three Lakes Foundation. L’équipe tient aussi à souligner le soutien technique offert par l’équipe des Services de technologies numériques et de l’information de L’Institut ainsi que par l’Alliance de recherche numérique du Canada pour ce qui est des ressources informatiques.