Une plateforme d'IA découvre des médicaments capables de traverser la barrière hémato-encéphalique et d'éliminer les protéines de la maladie d'Alzheimer
DeepDrugDiscovery utilise l'IA pour identifier de nouveaux composés activateurs de l'autophagie capables de traverser la barrière hémato-encéphalique et de restaurer la mémoire dans des modèles de la maladie d'Alzheimer.
Résumé
Les chercheurs ont développé DeepDrugDiscovery, une plateforme open-source de criblage par intelligence artificielle capable de prédire les propriétés des médicaments — notamment leur capacité à franchir la barrière hémato-encéphalique — et d'identifier des composés stimulant l'autophagie dans le cadre de la maladie d'Alzheimer. Contrairement à la plupart des activateurs d'autophagie existants, qui agissent via la voie large mTOR — ce qui soulève des préoccupations en matière de sécurité —, la plateforme a ciblé des mécanismes indépendants de mTOR. Deux composés candidats principaux ont émergé : ils franchissent avec succès la barrière hémato-encéphalique, éliminent les agrégats protéiques caractéristiques de la maladie d'Alzheimer et restaurent la fonction mémorielle dans des modèles de la maladie chez le ver et la souris. En intégrant le profilage ADMET et la validation inter-espèces au sein d'un pipeline modulaire et convivial, DeepDrugDiscovery propose une approche évolutive permettant de découvrir rapidement des thérapeutiques à mécanisme ciblé pour les maladies neurodégénératives et d'autres pathologies difficiles à traiter.
Résumé détaillé
La maladie d'Alzheimer (MA) touche des dizaines de millions de personnes dans le monde, pourtant les traitements modificateurs de la maladie restent insaisissables. Une piste thérapeutique peu explorée consiste à renforcer l'autophagie — le système interne d'élimination des déchets cellulaires — qui décline avec l'âge et est fortement impliqué dans l'accumulation d'agrégats protéiques toxiques tels que l'amyloïde-bêta et la tau, qui sont à l'origine de la pathologie de la MA.
Des chercheurs ont développé DeepDrugDiscovery, une plateforme d'intelligence artificielle tenant compte des mécanismes biologiques, conçue pour surmonter deux obstacles majeurs dans la découverte de médicaments basés sur l'autophagie : la plupart des activateurs connus agissent par la voie mTOR (ce qui crée des risques d'effets secondaires métaboliques étendus), et très peu de composés peuvent franchir la barrière hémato-encéphalique (BHE) pour atteindre le cerveau à des concentrations thérapeutiques. La plateforme intègre l'apprentissage profond avec des prédictions ADMET (absorption, distribution, métabolisme, excrétion, toxicité) et de perméabilité de la BHE afin de prioriser les candidats présentant à la fois une spécificité cible et une pharmacocinétique favorable.
En utilisant ce pipeline, l'équipe a identifié de nouveaux activateurs d'autophagie indépendants de mTOR. Deux composés principaux ont été validés dans des modèles biologiques, démontrant leur capacité à traverser la BHE, à éliminer les agrégats protéiques associés à la MA et à restaurer la fonction mémorielle dans des modèles de vers C. elegans et dans des modèles murins transgéniques de la MA.
Les implications vont au-delà de la maladie d'Alzheimer. En publiant DeepDrugDiscovery en tant que logiciel open-source et modulaire, les auteurs fournissent à la communauté de recherche au sens large un outil personnalisable pour le criblage thérapeutique dans des maladies présentant des besoins médicaux non satisfaits importants, ce qui pourrait accélérer considérablement les délais de découverte de médicaments.
Les mises en garde incluent le recours à des modèles animaux précliniques, qui présentent historiquement une transposabilité limitée à l'être humain dans le développement de médicaments contre la MA. Le résumé ne détaille pas les schémas posologiques, les profils de toxicité ni les effets hors-cible des composés principaux. La validation clinique chez l'être humain demeure une étape encore lointaine, mais nécessaire avant toute application thérapeutique.
Principales conclusions
- DeepDrugDiscovery AI platform identified novel mTOR-independent autophagy enhancers for Alzheimer's disease.
- Two lead compounds successfully crossed the blood-brain barrier in preclinical models.
- Compounds cleared AD-related protein aggregates and restored memory in worm and mouse models.
- Platform integrates ADMET and BBB permeability predictions into a modular, open-source pipeline.
- Approach enables scalable, mechanism-based drug discovery for neurodegenerative diseases.
Méthodologie
L'étude a utilisé une plateforme de criblage computationnel assistée par IA (DeepDrugDiscovery) intégrant des modèles d'apprentissage profond pour la prédiction ADMET et la perméabilité de la barrière hémato-encéphalique. Les composés candidats ont été validés dans des modèles de vers *C. elegans* et dans des modèles murins transgéniques de la maladie d'Alzheimer. Une validation inter-espèces a été utilisée pour confirmer la pénétration de la barrière hémato-encéphalique, l'élimination des agrégats protéiques et la restauration de la mémoire.
Limites de l'étude
Les résultats sont actuellement limités à des modèles précliniques chez le ver et la souris, dont les taux de transposition historiques sont faibles dans le développement de médicaments contre la maladie d'Alzheimer. Les données détaillées sur la toxicité, la posologie et les effets hors cible ne sont pas rapportées dans le résumé. Les prédictions de la plateforme d'IA nécessitent une validation expérimentale approfondie sur des bibliothèques de composés diversifiées.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :