Dans une avancée majeure pour la recherche pharmaceutique, des scientifiques de l’Université d’État de l’Ohio ont créé un système d’intelligence artificielle qui pourrait révolutionner la façon dont les nouveaux médicaments sont développés.
Le nouveau modèle d’IA générative, baptisé DiffSMol, a été développé par une équipe dirigée par la professeure Xia Ning des départements d’informatique biomédicale et de génie informatique et logiciel de l’université. DiffSMol fonctionne en analysant les formes de ligands connus — des molécules qui se lient à des cibles protéiques — et en utilisant ces formes comme conditions pour générer de toutes nouvelles molécules 3D dotées de propriétés de liaison améliorées.
« En utilisant des formes bien connues comme condition, nous pouvons entraîner notre modèle à générer de nouvelles molécules aux formes similaires qui n’existent pas dans les bases de données chimiques actuelles », explique Ning. L’efficacité du système est remarquable : lors de la création de molécules susceptibles d’accélérer le développement de médicaments, DiffSMol a atteint un taux de succès de 61,4 %, surpassant largement les tentatives précédentes qui plafonnaient à environ 12 %.
Les chercheurs ont démontré les capacités de DiffSMol à travers des études de cas sur des molécules ciblant la kinase dépendante de la cycline 6 (CDK6), qui peut réguler le cycle cellulaire et freiner la croissance du cancer, ainsi que la néprilysine (NEP), utilisée dans des thérapies visant à ralentir la progression de l’Alzheimer. Les résultats ont montré que les molécules générées par l’IA seraient probablement très efficaces, DiffSMol surpassant les méthodes de référence en affinité de liaison de 13,2 %, et de 17,7 % lorsqu’il est combiné à une orientation basée sur la forme.
Cette percée survient alors que la FDA met en place de nouveaux cadres réglementaires pour l’IA dans le développement pharmaceutique. En janvier 2025, l’agence a publié un projet de lignes directrices intitulé « Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products », offrant des recommandations sur l’utilisation de l’IA pour appuyer les décisions réglementaires concernant la sécurité, l’efficacité et la qualité des médicaments.
Alors que le développement traditionnel de médicaments prend généralement une dizaine d’années entre la découverte et la commercialisation, des approches propulsées par l’IA comme DiffSMol pourraient considérablement raccourcir ce délai. L’équipe de recherche a rendu le code de DiffSMol accessible à d’autres scientifiques, tout en reconnaissant certaines limites actuelles : le système ne peut générer de nouvelles molécules qu’à partir des formes de ligands déjà connus, une contrainte qu’ils espèrent surmonter dans de futurs travaux.