Des scientifiques de l’Université de Warwick et de l’Université de Manchester ont développé un cadre informatique de pointe qui améliore la congélation sûre des médicaments et des vaccins.
Les traitements tels que les vaccins, les produits de fertilité, les dons de sang et les thérapies contre le cancer nécessitent souvent une congélation rapide pour maintenir leur efficacité. Les molécules utilisées dans ce processus, appelées « cryoprotecteurs », sont essentielles pour permettre ces traitements. En fait, sans cryoconservation, ces thérapies doivent être déployées immédiatement, ce qui limite leur disponibilité pour une utilisation future.
La percée, publié dans Nature Communicationspermet de tester virtuellement des centaines de nouvelles molécules à l’aide d’un modèle basé sur l’apprentissage automatique et piloté par les données.
Le professeur Gabriele Sosso, qui a dirigé les recherches à Warwick, a expliqué : « Il est important de comprendre que l’apprentissage automatique n’est pas une solution magique à tous les problèmes scientifiques. Dans ce travail, nous l’avons utilisé comme un outil parmi tant d’autres, et son succès est venu de sa synergie avec les simulations moléculaires et, surtout, de son intégration avec le travail expérimental. »
Cette approche innovante représente un changement significatif dans la manière dont les cryoprotecteurs sont découverts, remplaçant les méthodes d’essais et d’erreurs coûteuses et chronophages actuellement utilisées.
Il est important de noter que ces travaux ont permis à l’équipe de recherche d’identifier une nouvelle molécule capable d’empêcher la formation de cristaux de glace lors de la congélation. C’est un point essentiel, car la croissance des cristaux de glace pendant la congélation et la décongélation représente un défi majeur en cryoconservation. Les cryoprotecteurs existants sont efficaces pour protéger les cellules, mais ils n’empêchent pas la formation de cristaux de glace.
L’équipe a développé un modèle informatique qui a été utilisé pour analyser de grandes bibliothèques de composés chimiques, identifiant ceux qui seraient les plus efficaces comme cryoprotecteurs.
Le Dr Matt Warren, l’étudiant au doctorat qui a dirigé le projet, a déclaré : « Après des années de collecte de données intensive en laboratoire, il est incroyablement passionnant de disposer désormais d’un modèle d’apprentissage automatique qui permet une approche basée sur les données pour prédire l’activité cryoprotectrice.
« C’est un excellent exemple de la manière dont l’apprentissage automatique peut accélérer la recherche scientifique, en réduisant le temps que les chercheurs consacrent aux expériences de routine et en leur permettant de se concentrer sur des défis plus complexes qui nécessitent toujours l’ingéniosité et l’expertise humaines. »
L’équipe a également mené des expériences sur le sang, démontrant que la quantité de cryoprotecteur classique nécessaire au stockage du sang pouvait être réduite en ajoutant les molécules nouvellement découvertes. Ce développement pourrait accélérer le processus de lavage du sang après congélation, ce qui permettrait de transfuser le sang plus rapidement.
Ces résultats ont le potentiel d’accélérer la découverte de nouveaux cryoprotecteurs plus efficaces et pourraient également permettre la réutilisation de molécules déjà connues pour ralentir ou arrêter la croissance de la glace.
Le professeur Matthew Gibson, de l’Université de Manchester, a ajouté : « Mon équipe a passé plus d’une décennie à étudier la manière dont les protéines de liaison à la glace, présentes dans les poissons polaires, peuvent interagir avec les cristaux de glace, et nous avons développé de nouvelles molécules et de nouveaux matériaux qui imitent leur activité. Ce processus a été lent, mais la collaboration avec le professeur Sosso a révolutionné notre approche. »
« Les résultats du modèle informatique ont été étonnants, identifiant des molécules actives que je n’aurais jamais choisies, même avec mes années d’expertise. Cela démontre véritablement la puissance de l’apprentissage automatique. »
Plus d’informations :
Matthew T. Warren et al., Découverte basée sur les données de puissants inhibiteurs de recristallisation de la glace à base de petites molécules, Nature Communications (2024). DOI: 10.1038/s41467-024-52266-w