Un outil d’IA permet de repérer les cellules qui alimentent les cancers agressifs

Une équipe de recherche de l’Université McGill a mis au point un outil d’intelligence artificielle capable de détecter les petits groupes de cellules qui contribuent en majeure partie à l’évolution des cancers agressifs.

Baptisé SIDISH, cet outil aide les scientifiques à concevoir des traitements ciblés en mettant en évidence les cellules tumorales les plus étroitement associées à des résultats défavorables pour le patient. Il permet d’éviter que toutes les cellules cancéreuses soient traitées comme si elles se comportaient de la même manière.

Lors d’une étude préclinique publiée dans Nature Communications, la méthode SIDISH a permis de repérer des cellules « à haut risque » dans des échantillons tumoraux prélevés chez des patients atteints d’un cancer du pancréas, du sein ou du poumon et analysés en laboratoire.

Fonctionnement de l’outil

La principale nouveauté apportée par la méthode SIDISH réside dans sa capacité à établir un lien entre ce qui se passe à l’intérieur des cellules et les résultats pour les patients, quête de longue date en recherche sur le cancer.

« D’un côté, les données à l’échelle de la cellule sont très détaillées, mais elles ne proviennent généralement que d’un petit nombre de patients et elles donnent rarement une indication de l’évolution réelle de l’état de santé. De l’autre, les données sur les patients, souvent analysées globalement, contiennent des informations liées à la survie, mais elles représentent une moyenne des signaux émis par des millions de cellules, ce qui empêche le repérage des cellules, rares mais dangereuses, qui alimentent la maladie », explique Yasmin Jolasun, doctorante au Département de médecine de l’Université McGill et auteure principale de l’étude.

On arrive difficilement à combiner efficacement ces deux types de données au moyen des outils informatiques actuels.

« Notre outil permet d’unir ces deux mondes. En effet, il permet de détecter les cellules les plus étroitement liées à une progression rapide de la maladie et d’obtenir des indications sur la survie des patients », précise Yasmin Jolasun.

Elle ajoute que, bien que la méthode SIDISH ait d’abord été mise à l’essai dans le cancer, elle pourrait être employée pour d’autres maladies complexes dans lesquelles les différences entre les cellules jouent un rôle important.

SIDISH est l’acronyme de « Semi-supervised Iterative Deep Learning for Identifying Single-cell High-Risk Populations » (apprentissage profond itératif semi-supervisé pour l’identification de populations à haut risque au niveau unicellulaire).

Prédiction des cibles thérapeutiques avant les essais en laboratoire

En plus de cerner le problème, l’outil SIDISH permet de simuler la réaction des cellules à haut risque à l’activation ou à la désactivation de certains gènes, ce qui permet de déterminer quels gènes pourraient constituer des cibles thérapeutiques prometteuses.

« Comme il faut habituellement des années de recherche par essais et erreurs pour trouver les bonnes cibles, cette approche pourrait accélérer la mise au point de médicaments », se réjouit Jun Ding, auteur en chef de l’étude, professeur adjoint au Département de médecine de l’Université McGill et scientifique junior à l’Institut de recherche du Centre universitaire de santé McGill.

Par exemple, la tumeur d’un patient serait analysée par séquençage unicellulaire, puis l’outil SIDISH repérerait les cellules qui alimentent la tumeur, simulerait leur réaction à différents médicaments et produirait une liste restreinte des traitements les plus susceptibles d’être efficaces, explique le chercheur.

« À court terme, la méthode SIDISH pourrait nous permettre de trouver d’autres indications pour des médicaments existants homologués par la FDA en nous appuyant sur des ensembles de données publiques. À long terme, l’outil pourrait radicalement changer le processus de découverte de médicaments », indique Jun Ding.

L’outil est à l’étape de mise au point et n’est pas encore utilisé en pratique clinique. L’équipe de recherche tente d’appliquer la méthode SIDISH à d’autres maladies et collabore avec des entreprises partenaires afin de la perfectionner.

L’étude

L’article « SIDISH integrates single-cell and bulk transcriptomics to identify high-risk cells and guide precision therapeutics through in silico perturbation », par Yasmin Jolasun, Jun Ding et coll., a été publié dans Nature Communications.