Les médicaments peptidiques ont profondément transformé la thérapie moderne, offrant de nouvelles perspectives dans le traitement de diverses pathologies. Pourtant, l’efficacité limitée des conceptions, le temps nécessaire et les coûts élevés demeurent des freins à l’élaboration et à la découverte de ces médicaments. Cet article présente une méthode efficace alliant conception de protéines basée sur l’apprentissage profond et dépistage fonctionnel, permettant ainsi la conception rapide de peptides d’importance biotechnologique, avec une stabilité et une efficacité améliorées. Au total, 10 000 agonistes récepteurs de glucagon-like peptide-1 (GLP-1RAs) ont été conçus, dont 60 ont satisfait aux critères de stabilité, d’efficacité et de diversité lors d’un dépistage fonctionnel virtuel. Les validations in vitro révèlent un taux de succès de 52 %, tandis que les expériences in vivo montrent que deux leaders, les GLP-1RAs (D13 et D41), présentent des demi-vies prolongées, environ trois fois plus longues que celle du Semaglutide. Dans des modèles de souris diabétiques, le candidat D13 entraîne des niveaux de glucose sanguin significativement inférieurs à ceux observés avec le Semaglutide. Dans un modèle de souris obèses, D13 montre une efficacité de perte de poids comparable à celle du Semaglutide. Ce pipeline de conception de peptides piloté par l’IA, intégrant conception de protéines, dépistage fonctionnel et validation expérimentale, réduit le nombre d’itérations nécessaires pour identifier de nouveaux candidats peptidiques. L’ensemble du processus, de la conception au dépistage, peut être réalisé en un seul cycle de deux semaines.
Mots-clés :
GLP‐1RAs ; Semaglutide ; apprentissage profond ; conception de protéines.
Notre Opinion Tech
L’approche intégrée proposée ici pour le design de peptides présage d’un changement significatif dans le secteur pharmaceutique. En combinant l’intelligence artificielle aux processus de dépistage, nous sommes à la veille d’une ère où le développement de médicaments pourrait non seulement gagner en rapidité, mais aussi en coût-efficacité. La réduction des cycles de recherche, ainsi que l’augmentation de la précision dans l’identification de candidats prometteurs, pourrait transformer irrémédiablement notre manière de traiter diverses maladies. Une telle évolution mérite d’être suivie de près, car elle pourrait préparer le terrain pour une nouvelle génération de thérapies plus ciblées et efficaces.
