Actualités – publiée le 26/07/2018 par Équipe de rédaction Santélog
Frontiers in Genetics
Ces travaux présentent l’une des nombreuses façons dont l’intelligence artificielle peut être utilisée, ici, pour identifier des cibles biologiques dans l’atrophie musculaire ou la sarcopénie. Une approche très prometteuse, présentée dans la revue Frontiers in Genetics, qui pourrait intéresser les laboratoires pharmaceutiques -écrivent ses auteurs- pour le développement de nouvelles interventions à large spectre pour la prise en charge de la sarcopénie.
Insilico Medicine, une société innovante basée à Rockville, spécialisée dans l’application de l’intelligence artificielle à l’identification de cibles et le développement de médicaments pour le traitement de conditions liées au vieillissement, livre ici les dernières données de recherche sur le muscle humain et ses biomarqueurs de vieillissement dans l’objectif de l’identification de cibles médicamenteuses spécifiques aux tissus musculaires.
La sarcopénie, l’un des principaux processus liés à l’âge, implique la perte de muscle squelettique et la diminution de la fonction musculaire. L’atrophie musculaire liée à l’âge demeure un défi en santé publique et clinique important qui touche des centaines de millions d’adultes âgés. En effet, cette « perte » musculaire liée à l’âge est associée à des problèmes de santé graves tels que les chutes, les troubles de l’équilibre, l’incapacité physique, la perte d’autonomie et la mortalité prématurée. La compréhension des mécanismes moléculaires du vieillissement musculaire pourrait révéler de nouveaux traitements musculairement rajeunissants.
Prédire l’âge biologique d’un muscle et ce qui le fait vieillir : c’est à ce défi que s’attaquent les chercheurs d’Insilico Medicine qui développent un modèle basé sur l’apprentissage profond qui prédit l’âge biologique d’un muscle et peut être utilisé pour estimer l’importance des facteurs génétiques et épigénétiques responsables du processus de vieillissement. A la base du modèle de multiples biomarqueurs mais aussi des processus connus de biochimie sanguine, de transcriptomique, et des données d’imagerie pouvoir suivre l’efficacité des différentes interventions. Les chercheurs travaillent sur plusieurs types de tissus, dont le foie, la peau et les poumons.
En fin de compte, le modèle permet d’identifier non seulement l’âge du tissu mais ses « horloges de vieillissement spécifiques », qui sont en fait des cibles moléculaires en puissance.
Source: Frontiers in Genetics July 2018 doi: 10.3389/fgene.2018.00242 Machine learning on human muscle transcriptomic data for biomarker discovery and tissue-specific drug target identification (Visuel Insilico Medicine)
Plus sur la Sarcopénie
Lire aussi : SARCOPÉNIE : Peut-on prévenir la perte musculaire liée à l’âge ?