Utiliser l’intelligence artificielle pour améliorer les traitements contre la tuberculose
Français
Suivez-nous sur notre page Facebook et notre canal Telegram
Imaginez que vous disposez de 20 nouveaux composés qui ont montré une certaine efficacité dans le traitement d’une maladie comme la tuberculose (TB), qui touche 10 millions de personnes dans le monde et en tue 1,5 million chaque année. Pour un traitement efficace, les patients devront prendre une combinaison de trois ou quatre médicaments pendant des mois, voire des années, car les bactéries de la tuberculose se comportent différemment dans différents environnements cellulaires et, dans certains cas, évoluent pour devenir résistantes aux médicaments. Vingt composés en combinaisons de trois et quatre médicaments offrent près de 6 000 combinaisons possibles. Comment décidez-vous quels médicaments tester ensemble ?
Dans une étude récente, publiée dans le numéro de septembre de Cellule Rapports Médecine, des chercheurs de l’Université Tufts ont utilisé des données provenant de grandes études qui contenaient des mesures en laboratoire de combinaisons de deux médicaments de 12 médicaments antituberculeux. À l’aide de modèles mathématiques, l’équipe a découvert un ensemble de règles que les paires de médicaments doivent satisfaire pour être potentiellement de bons traitements dans le cadre de cocktails à trois et quatre médicaments.
L’utilisation de paires de médicaments plutôt que la mesure de combinaisons de trois et quatre médicaments réduit considérablement la quantité de tests qui doivent être effectués avant de déplacer une combinaison de médicaments vers une étude plus approfondie.
“En utilisant les règles de conception que nous avons établies et testées, nous pouvons substituer une paire de médicaments à une autre paire de médicaments et savoir avec un degré élevé de confiance que la paire de médicaments doit fonctionner de concert avec l’autre paire de médicaments pour tuer les bactéries de la tuberculose dans le modèle de rongeur », explique Bree Aldridge, professeure agrégée de biologie moléculaire et de microbiologie à la Tufts University School of Medicine et de génie biomédical à la School of Engineering, et membre du corps professoral du programme d’immunologie et de microbiologie moléculaire à la Graduate School of Biomedical Sciences. “Le processus de sélection que nous avons développé est à la fois plus rationalisé et plus précis pour prédire le succès que les processus précédents, qui envisageaient nécessairement moins de combinaisons.”
Le laboratoire d’Aldridge, qui est l’auteur correspondant de l’article et également directeur associé du Tufts Stuart B. Levy Center for Integrated Management of Antimicrobial Resistance, a précédemment développé et utilise DiaMOND, ou mesure diagonale des interactions médicamenteuses à n voies, une méthode pour systématiquement étudier les interactions de combinaisons de médicaments par paires et d’ordre élevé pour identifier des schémas thérapeutiques plus courts et plus efficaces contre la tuberculose et potentiellement d’autres infections bactériennes. Avec les règles de conception établies dans cette nouvelle étude, les chercheurs pensent qu’ils peuvent augmenter la vitesse à laquelle les scientifiques déterminent quelles combinaisons de médicaments traiteront le plus efficacement la tuberculose, la deuxième cause de mortalité infectieuse au monde.
Source de l’histoire :
Matériaux fourni par Université de touffes. Remarque : Le contenu peut être modifié pour le style et la longueur.
