L’intelligence artificielle pour identifier le potentiel antiviral des traitements contre le Covid-19

Recherche Article publié le 15 décembre 2020 , mis à jour le 15 décembre 2020

Avec à ce jour près de 3 000 personnes encore hospitalisées en service de réanimation et plus de 58 000 décès en France dus au Covid-19, la recherche d’un traitement efficace contre cette pathologie demeure primordiale. À l’Université Paris-Saclay, l’intelligence artificielle est appelée au front pour aiguiller les chercheurs.

 
Pour développer de nouveaux traitements antiviraux, il faut souvent regarder en arrière, apprendre et s’inspirer de ce qui existe déjà. Comme les essais cliniques sont généralement longs et parfois peu concluants, il est naturel de s’intéresser à des médicaments déjà connus et d’essayer de les repositionner pour traiter le Covid-19. Mais les banques de données de molécules thérapeutiques sont vastes, donc comment trouver le bon traitement rapidement ? C’est le but qu’Émilie Chouzenoux, de l’équipe-commune OPIS (Inria, Centrale-Supélec) et ses collaborateurs de l’Indraprastha Institute of Information Technology (IIIT) de Delhi et de l’Institute of Post Graduate Medical Education and Research (IPGMER) de Calcutta ont poursuivi dans leurs récents travaux.

 

L’IA porte conseil

L’équipe a développé un outil capable de mettre un coup d’accélérateur dans la course aux traitements antiviraux. Plutôt que de lancer une multitude d’essais cliniques, à la recherche d’un traitement efficace, et de passer manuellement en revue les médicaments disponibles pour vérifier leur efficacité, leur outil d’intelligence artificielle (IA) « apprend » de ce que l’on connaît déjà pour identifier le potentiel antiviral des molécules. Le principe qui gouverne ces calculs est d’ailleurs très semblable à celui des systèmes de recommandation que l’on trouve sur le Web.

Le modèle croise les banques de données de séquences génétiques de virus connus et de structures chimiques de médicaments déjà utilisés. Les similarités existant entre les couples virus/médicament et quantifiées grâce à la fréquence d’oligonucléotides (OligoNucleotide Frequency, ONF) pour les virus et l’indice SIMCOMP (SIMilar COMPound) pour les molécules, aident alors à trouver un traitement dont l’efficacité est probable.

Appliqué au SARS-CoV-2, le modèle s’est révélé pertinent. Parmi les six molécules sélectionnées par l’outil, quatre ont été ou sont toujours en essais cliniques, à savoir le Remdesivir, la Ribavirine, le Sofosbuvir et l’Umifenovir. 

 

La recherche antivirale de demain

Cette technologie ouvre la voie à des essais cliniques ciblés et pourrait améliorer leur taux de réussite. La réaction face à un nouveau virus ou à une nouvelle mutation du virus deviendrait plus rapide et efficace. Avec leur taux de mutation bien plus élevé que leurs homologues à ADN, les virus à ARN, comme le SARS-CoV-2, tiennent souvent en échec la recherche d’un traitement. Mais en ajustant sa réponse à chaque nouvelle souche du virus, l’IA permettait de garder la cadence.

Le travail d’Émilie Chouzenoux et de ses collaborateurs, certes motivé par la pandémie de Covid-19, apparaît comme une solution encourageante à plus grande échelle. C’est dans cette optique que l’équipe a partagé sa base de données et ses codes (http://dva.salsa.iiitd.edu.in/). À une époque où les virus menacent de se faire plus nombreux et plus résistants, la recherche biomédicale dispose maintenant d’un outil supplémentaire et prometteur. 

 

Sources :