*JACQUES CORBEIL

Démarches utilisant l’apprentissage machine et computationnel pour améliorer la conception et le criblage des peptides pour la découverte de médicaments

Défi : Les interactions protéine-protéine sont reconnues pour être des cibles thérapeutiques prometteuses. Bien que les peptides capables d’inhiber les interactions protéine-protéine fassent l’objet d’une attention accrue, l’identification de ceux dotés d’une forte activité biologique reste très difficile en raison de leur vaste diversité. Par conséquent, recourir à la biologie computationnelle ou à l’apprentissage-machine pour prédire efficacement si un composé pourrait être efficace pourrait donner lieu à une réduction des coûts associés au développement d’un médicament.

Solution : À l’aide d’algorithmes d’apprentissage-machine à la fine pointe, l’équipe a amélioré le criblage virtuel de chimiothèques de peptides linéaires et cycliques par chimie combinatoire. Les chercheurs ont évalué in silico l’activité de millions de peptides contre d’importantes interactions protéine-protéine cibles d’agents pathogènes humains tels que S. aureus (bactérien), C. albicans (fongique) et VIH-1 (viral). Dans cette démarche, les séquences des 100 meilleurs peptides inhibiteurs ont été entré dans une approche multicycle associant du criblage par apprentissage-machine, de la chimie combinatoire éclairée et des essais in vitro pour améliorer davantage les propriétés de ces peptides. Cette boucle d’apprentissage (sélection in silico associée à l’évaluation de l’activité in vitro) est ensuite répétée jusqu’à trois fois pour choisir les peptides présentant la plus forte activité contre les interactions protéine-protéine ciblées.

Réalisations/Retombées : L’équipe a développé une nouvelle application logicielle fondée sur des principes solides d’apprentissage-machine pour accélérer la conception et la génération de peptides linéaires et cycliques bioactifs optimisés. L’algorithme a aussi tenu compte des nombreux sites de liaison potentiels présents sur une protéine donnée. L’équipe a également validé son procédé en créant un inhibiteur efficace contre la protéine Nef du VIH-1.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Chercheurs principaux:


Jacque Corbeil
CHU de Québec-
Université Laval

François Laviolette
Université Laval

Co-chercheurs

Éric Biron,
Adnane Sellam

CHU de Québec-
Université Laval

Mario Marchand,
Sylvain Moineau
Université Laval

Mike Tyers
Université de Montréal

Carlos Sosa
Cray Inc.

Projet complété
1 487 636 $/3 ans
Soutenu par CQDM par l’entremise de :
• Merck
• Pfizer
• MEI
• BL-NCE