Un nouvel outil d'IA prédit l'efficacité des séquences d'ARNm pour accélérer les traitements contre les virus, le cancer et les maladies génétiques

Un nouvel outil d'intelligence artificielle, nommé RiboNN, a été développé par une collaboration entre l'Université du Texas à Austin et Sanofi. Ce modèle permet de prédire avec une précision accrue la façon dont des séquences d'ARNm (acide ribonucléique messager) sont traduites en protéines par les ribosomes, ce qui pourrait accélérer la conception de traitements et de vaccins basés sur l'ARNm. Cette avancée, publiée dans la revue Nature Biotechnology, représente une étape clé dans la recherche sur les thérapies protéiques. L'ARNm joue un rôle crucial dans la production de protéines, en transmettant les instructions contenues dans l'ADN aux ribosomes, les « chefs » de la cellule qui synthétisent les protéines. Les chercheurs ont longtemps cherché à optimiser ces séquences pour obtenir une production de protéines plus efficace, essentielle pour lutter contre les virus, le cancer et les maladies génétiques. RiboNN, en s'appuyant sur des données issues de plus de 10 000 expériences, est deux fois plus précis que les méthodes précédentes dans la prédiction de l'efficacité de la traduction. L'équipe, menée par Can Cenik, professeur de biosciences à l'Université du Texas, et Vikram Agarwal de Sanofi, a travaillé pendant six ans pour comprendre comment les cellules régulent la production de protéines à partir de l'ARNm. Leur objectif est d'améliorer la conception des thérapies en ajustant les séquences d'ARNm pour maximiser la production de protéines dans des tissus spécifiques, comme le foie ou les poumons. Cela permettrait de cibler plus précisément les cellules malades et d'optimiser l'efficacité des traitements. Dans un autre article publié dans la même revue, les chercheurs ont également montré que les ARNm associés à des fonctions biologiques similaires sont traduits de manière comparable dans différentes cellules. Cette découverte suggère que le processus de traduction est également coordonné, ce qui pourrait avoir des implications importantes pour la compréhension de la régulation génétique. Pour entraîner RiboNN, des étudiants de l'Université du Texas ont contribué à la création de RiboBase, une base de données fiable contenant des informations sur la traduction des ARNm. Cette collaboration a été facilitée par l'office Discovery to Impact de l'Université, qui a mis en place un accord de recherche entre l'Université et Sanofi. Les experts du secteur soulignent que cette innovation pourrait révolutionner le développement de thérapies à base d'ARNm, en réduisant le temps et les coûts liés à l'expérimentation. Sanofi, acteur majeur de la biopharmaceutique, et l'Université du Texas, qui s'engage dans des recherches interdisciplinaires, montrent ainsi l'importance des partenariats académiques et industriels pour avancer dans le domaine des traitements personnalisés. RiboNN ouvre la voie à des thérapies plus ciblées et efficaces, en améliorant la compréhension de la manière dont les cellules produisent des protéines à partir de l'ARNm.