Publié le 2024-11-08 10:30:00. Des chercheurs ont mis au point un nouvel outil informatique capable de prédire avec précision le comportement des anticorps multispécifiques, ouvrant la voie à la conception de traitements plus efficaces contre le cancer et d’autres maladies.
- Un nouveau modèle informatique basé sur des réseaux neuronaux graphiques permet de simuler les interactions complexes entre les anticorps et leurs cibles.
- Cette approche permet de surmonter le manque de données expérimentales, un obstacle majeur dans le développement de ces thérapies prometteuses.
- L’étude démontre l’efficacité de cette méthode pour optimiser les traitements d’immunothérapie, notamment les activateurs de lymphocytes T trispécifiques (TCE).
La conception d’anticorps multispécifiques, capables de cibler simultanément plusieurs éléments biologiques, représente une avancée majeure en immunothérapie. Ces molécules thérapeutiques offrent un potentiel considérable pour traiter des maladies complexes comme le cancer, mais leur développement est entravé par la difficulté de prédire leur comportement. En effet, la structure tridimensionnelle de l’anticorps influence fortement son efficacité et sa toxicité, mais les données expérimentales nécessaires pour établir cette relation sont souvent limitées.
Pour pallier ce problème, une équipe de chercheurs de Prescient Design et Genentech, dirigée par Joshua Southern, Changpeng Lu et Santrupti Nerli, en collaboration avec Samuel D Stanton, Andrew M Watkins et Franziska Seeger, a développé un nouveau cadre informatique. Leur approche combine la modélisation générative avec des réseaux neuronaux graphiques pour créer un système capable de distinguer les différents formats d’anticorps et de prédire leurs propriétés fonctionnelles avec une grande précision.
L’innovation réside dans la capacité du modèle à prendre en compte la connectivité des différents domaines de l’anticorps. Les chercheurs ont d’abord créé des « paysages fonctionnels synthétiques » à grande échelle, simulant les interactions non linéaires entre ces domaines. Ces paysages ont ensuite servi de base à l’entraînement d’un réseau neuronal graphique capable de coder explicitement les contraintes topologiques, c’est-à-dire la manière dont les domaines sont liés entre eux. Contrairement aux modèles traditionnels qui se basent uniquement sur la séquence d’acides aminés, cette approche permet de différencier des formats d’anticorps qui pourraient sembler identiques.
Les résultats de l’étude sont prometteurs. Les chercheurs ont démontré que leur modèle pouvait optimiser les compromis entre efficacité et toxicité dans les activateurs de lymphocytes T trispécifiques (TCE), une classe d’immunothérapies particulièrement prometteuse. Ils ont notamment réussi à identifier les chaînes légères communes optimales pour ces traitements. L’utilisation de l’apprentissage par transfert, qui permet d’appliquer les connaissances acquises à partir de données synthétiques à des systèmes biologiques réels, a considérablement accéléré le processus de conception.
Plus précisément, l’équipe a montré que la modification de la position d’un domaine de liaison dans un TCE trispécifique pouvait permettre de dissocier l’efficacité antitumorale du risque de syndrome de libération de cytokines, un effet secondaire potentiellement mortel. Ce système offre également un environnement d’analyse comparative robuste pour étudier l’impact de changements structurels subtils sur la fonction des anticorps multispécifiques.
Les chercheurs soulignent que cette approche constitue une avancée significative dans le domaine de la conception d’anticorps thérapeutiques, en particulier dans un contexte où les données expérimentales complètes sont rares et coûteuses à obtenir. Leur travail ouvre la voie à la création de traitements de nouvelle génération plus efficaces et plus sûrs.
Des travaux récents ont également mis en évidence que la rigidification de la synapse immunologique, même sans modification de l’affinité, peut améliorer la puissance thérapeutique. Cette découverte, corroborée par des analyses de diffusion des rayons X aux petits angles et des tests fonctionnels, renforce l’intérêt de cette nouvelle approche.