Avancées de l’IA et des technologies CRISPR pour accélérer notre compréhension des maladies génétiques

Il existe jusqu’à 7 000 maladies génétiques rares qui surviennent en raison de troubles génétiques. Ces troubles se produisent lorsqu’une mutation apparaît dans nos gènes, bien qu’elle ne conduise pas toujours à une maladie.

Les gènes sont constitués d’acide désoxyribonucléique, ou ADN, qui contient les instructions relatives aux caractéristiques et aux fonctions de notre corps, et une modification de la séquence d’ADN entraîne un trouble génétique.

Comme nous recevons la moitié de nos gènes de chaque parent biologique, nous pouvons hériter d’une mutation génétique de l’un ou des deux. De tels troubles peuvent également résulter d’une combinaison de mutations génétiques, de dommages aux chromosomes, qui sont des structures filamenteuses portant les gènes, et de facteurs environnementaux.

Ce paysage génétique complexe, caractérisé par la complexité, la faible prévalence et le caractère caché des troubles, complique considérablement le processus d’obtention d’un diagnostic précis. Dans de nombreux cas, les maladies génétiques rares peuvent être dues à une large gamme de variantes génétiques propres à chaque individu, rendant encore plus difficile l’identification de la cause spécifique des symptômes d’un patient.

De plus, le processus de diagnostic nécessite également des analyses génétiques approfondies et du temps pour comparer le profil génétique du patient aux schémas de maladies connus. Ainsi, le diagnostic n’est pas seulement difficile, il peut également prendre beaucoup de temps, ce qui retarde le traitement. Cependant, une nouvelle étude danoise est prête à rendre le diagnostic de ces maladies plus efficace et plus rapide.

Publiée dans The American Journal of Human Genetics, l’étude a utilisé la technologie CRISPR pour activer des gènes dans des cellules facilement accessibles, comme le sang ou la peau. Ensuite, les chercheurs ont mesuré si l’ARN messager était correctement assemblé dans un processus de biologie moléculaire appelé épissage.

Cette innovation répond à un obstacle majeur de la recherche génétique. Il s’agit d’une avancée importante car 19 % des gènes associés à la maladie ne sont pas actifs dans ces tissus facilement accessibles comme les cellules sanguines et les cellules cutanées. Cela rend encore plus difficile d’obtenir une image claire de la base génétique des maladies.

Selon les experts, cette avancée pourrait révolutionner le diagnostic génétique.

“Cela signifie que jusqu’à présent, nous n’avons pas pu étudier correctement les gènes parce qu’ils ne sont actifs que dans des tissus spécifiques, comme le système nerveux, et cela constitue un obstacle majeur lorsqu’il s’agit de comprendre si une variante génétique particulière est la cause de la maladie d’un patient.”

– Uffe Birk Jensen, professeur clinicien et président du département de médecine clinique de l’Université d’Aarhus – Département de génétique clinique

L’activation du CRISPR ici représente une grande opportunité. Le CRISPR, qui signifie « Clustered Regularly Interspaced Short Palindromic Repeats », est une technologie d’édition du génome utilisée pour modifier sélectivement et précisément les séquences d’ADN. Elle comprend l’enzyme Cas9, utilisée comme des ciseaux moléculaires pour couper l’ADN. Il y a également l’ARN guide, qui reconnaît la cible à modifier et dirige ensuite Cas9 vers cette région de l’ADN.

Grâce à cette technique, les chercheurs ont « activé » des gènes qui ne sont normalement pas actifs dans les cellules accessibles, y compris le gène MPZ — généralement actif uniquement dans les voies nerveuses — désormais activé dans les cellules cutanées. Cette percée ouvre de nouvelles possibilités pour comprendre et diagnostiquer les maladies génétiques.

Selon Uffe Birk Jensen, l’activation du CRISPR a permis d’activer le gène dans un environnement naturel, ce qui signifie que la modification génétique n’a pas besoin d’être réalisée dans des modèles cellulaires mais peut plutôt utiliser un échantillon du patient. Il a ajouté :

“La même méthode peut être utilisée pour différents patients et facilement adaptée à d’autres gènes, et l’avantage est qu’elle est très rapide avec la possibilité d’obtenir des résultats en quelques semaines.”

Les chercheurs espèrent utiliser cette méthode pour un diagnostic des maladies génétiques plus accessible, efficace et précis. Elle a déjà été introduite en clinique afin que « la technologie puisse contribuer à établir le bon diagnostic lorsque nous trouvons d’éventuelles variantes d’épissage », a déclaré le co‑auteur de l’étude Thorkild Terkelsen, post‑doctorant au département de biomédecine.

Mais ce n’est pas tout. L’équipe explore davantage le potentiel plus large de la technique et apporte des ajustements afin qu’elle devienne « encore plus facile à utiliser en clinique », a ajouté Terkelsen.

L’étude, qui est le fruit d’une collaboration entre le département de génétique clinique et le département de médecine moléculaire de l’hôpital universitaire d’Aarhus, a reçu un financement du Fonds de recherche indépendant du Danemark.

Le vaste potentiel des technologies récentes dans la compréhension des maladies génétiques

Bien que le CRISPR soit apparu en 1987, il n’a commencé à gagner en popularité que récemment. Cette technologie prometteuse et innovante offre aux chercheurs et scientifiques un moyen efficace d’éditer les structures d’ADN et de modifier la fonction des gènes.

La technique possède plusieurs utilisations possibles, notamment le traitement et la réduction de la propagation des troubles ainsi que l’édition des déficiences héréditaires. En matière de thérapie génique, la technologie CRISPR/Cas9 offre un grand potentiel en éditant génétiquement une mutation spécifique au patient qui n’est pas traitable avec les traitements traditionnels. Ainsi, en atténuant les maladies complexes, la technologie CRISPR vise à offrir une vie plus saine aux personnes.

Alors que le CRISPR est de plus en plus utilisé pour corriger les troubles humains, des efforts sont déployés pour réduire les effets hors cible et permettre une plus grande précision. Ici, l’intelligence artificielle, en particulier, aide l’édition du génome à atteindre non seulement une plus grande précision, mais aussi une efficacité et une accessibilité accrues dans le traitement de diverses maladies.

L’IA est la simulation de l’intelligence humaine dans les machines afin de penser, d’apprendre et de prédire comme les humains. Cette technologie vise à transformer de nombreux secteurs, y compris la santé.

Récemment, nous parlé de la capacité de l’IA à reconnaître les tendances au sein d’un ensemble de variables, ce qui fait progresser les soins de santé de façon exponentielle. En utilisant des algorithmes d’IA, les chercheurs peuvent prédire avec succès les infections de sepsie chez les patients à haut risque avant l’apparition des symptômes et sauver des vies. Dans un autre cas, les modèles de prédiction alimentés par l’IA analysent les données génomiques pour prédire les maladies avec une grande précision.

Cette branche étendue de l’informatique s’avère être un outil puissant pour la détection des maladies héréditaires et liées aux gènes. Dans la recherche génétique, la branche très polyvalente de l’IA, l’apprentissage profond, est de plus en plus exploitée.

Basé sur les réseaux neuronaux artificiels, l’apprentissage profond apprend aux ordinateurs à traiter de grandes quantités de données. En tant que sous‑ensemble de l’apprentissage automatique, un modèle d’apprentissage profond tente de simuler le comportement du cerveau humain en apprenant à partir des données fournies.

L’apprentissage profond implique plusieurs couches de nœuds interconnectés pour créer des réseaux neuronaux profonds capables d’apprendre des représentations complexes des données en découvrant des motifs hiérarchiques. En se basant sur ces motifs, il produit ensuite des informations et des prédictions précises. De tels algorithmes peuvent apprendre et s’améliorer à partir des données de façon autonome, sans nécessiter d’intervention manuelle.

Les modèles d’apprentissage profond ont obtenu d’excellentes performances dans les applications biomédicales, des études suggérant que ces modèles peuvent être aussi performants, voire meilleurs que les humains, pour des tâches clés de santé comme le diagnostic des maladies. Après tout, l’IA peut réduire les erreurs humaines, traiter d’énormes quantités de données et augmenter la capacité de connaissance.

Compte tenu de la complexité des données dans le domaine de la santé, l’IA peut être appliquée efficacement pour le diagnostic, les recommandations de traitement, les tâches administratives et l’engagement des patients dans divers domaines de la santé.

Cependant, comme nous l’avons souligné dans notre « Modèles de prédiction alimentés par l’IA pour faire progresser les soins de santé de façon exponentielle » article, des erreurs peuvent survenir lorsque l’IA est appliquée dans le monde réel, et nous devons en être conscients.

La promesse de l’IA dans la recherche, le diagnostic et le traitement des troubles génétiques

Utiliser l’IA pour comprendre, diagnostiquer et traiter les maladies n’est pas nouveau. Les systèmes basés sur des règles ont démontré leur potentiel pour diagnostiquer et traiter les maladies avec précision. Mais ces dernières années, les avancées technologiques ont permis d’appliquer cela aux maladies génétiques avec des résultats améliorés.

Par exemple, Watson d’IBM a suscité beaucoup d’intérêt grâce à son orientation vers la médecine de précision, notamment le diagnostic et le traitement du cancer. Pour cela, Watson combine l’apprentissage automatique et les capacités de traitement du langage naturel (NLP).

En ce qui concerne la thérapie génétique, des outils d’IA tels que DeepCRISPR, CRISTA et DeepHF sont utilisés pour guider les ARN pour une séquence cible spécifiée. La prédiction des ARN guides optimaux prend en compte de multiples facteurs, tels que le contexte génomique, le type de mutation souhaité, les scores on‑target, les scores off‑target, les emplacements off‑target potentiels et les impacts possibles de l’édition génétique sur sa fonction.

Les modèles d’IA aident également à optimiser différentes technologies d’édition du génome, telles que le base editing (modifications ciblées de la séquence d’un fragment d’ADN), le prime editing (édition de type « recherche‑et‑remplacement ») et l’épigénome (ajout ou suppression de marqueurs moléculaires sur l’ADN), ce qui permet des modifications précises et programmables des séquences d’ADN sans recourir aux modèles d’ADN donneur.

De plus, la collaboration de l’IA avec l’édition du génome permet des traitements personnalisés adaptés aux profils génétiques, en analysant les données génomiques des patients pour identifier les mutations et les biomarqueurs associés aux maladies, comme ceux de la maladie d’Alzheimer et du cancer, dès le début, conduisant à des soins sur mesure.

Les scientifiques et chercheurs estiment qu’en aidant les cliniciens à déterminer plus rapidement la cause profonde des maladies, des technologies comme l’IA permettent aux patients de recevoir le traitement approprié plus tôt, améliorant ainsi considérablement les soins aux patients.

En plus de permettre un diagnostic plus rapide, l’IA le fait également avec plus de précision. En octobre 2021, une étude menée par des chercheurs de l’University of Utah Health et dirigée par le Rady Children’s Hospital de San Diego a développé un algorithme Fabric GEM qui exploite l’IA pour détecter les erreurs d’ADN à l’origine de troubles génétiques rares chez les bébés.

Lors des tests, GEM a pu identifier le gène causal parmi ses deux meilleurs candidats 92 % du temps, surpassant les outils existants qui n’étaient efficaces que 60 % du temps. De plus, contrairement à d’autres outils, GEM pouvait également détecter les « variantes structurales », qui sont plus grandes et plus complexes, comme causes de maladie.

Pour cela, GEM a appris à partir d’une connaissance vaste et en constante expansion, puis l’a recoupée avec d’énormes ensembles de données de séquences génomiques provenant de différents groupes de la population ainsi que toutes les informations sur la maladie clinique, qui ont ensuite été combinées avec la séquence génomique du patient et ses dossiers médicaux. Pour l’assistance, GEM peut être couplé à un outil NLP pour analyser de nombreuses notes cliniques.

Plus récemment, DeepMind de Google a présenté un nouveau modèle d’IA capable de prédire les maladies génétiques. Nommé AlphaMissense, le modèle linguistique est entraîné sur des séquences protéiques et prédit les structures de centaines de millions de protéines à partir de leur composition en acides aminés.

Un « score de pathogénicité » compris entre 0 et 1 a été attribué par le modèle à chacun des 71 millions de variantes missense possibles. Ce score repose sur sa connaissance des effets d’autres mutations étroitement liées. Ainsi, plus le score est élevé, plus il est probable qu’une mutation particulière cause ou soit associée à une maladie.

Les chercheurs de DeepMind affirment une précision de 90 % pour AlphaMissense, avec 89 % des variantes classées. Avec AlphaMissense, l’idée est d’accélérer la recherche sur les variantes génétiques, d’améliorer le diagnostic des maladies et de découvrir de nouveaux traitements plus rapidement. Il peut également aider les médecins à exclure rapidement d’autres mutations génétiques potentielles dans l’ADN d’un patient et à s’assurer qu’ils administrent le bon traitement.

Entreprises exploitant les technologies IA et CRISPR

Examinons maintenant quelques entreprises majeures du secteur de la santé qui utilisent l’IA et le CRISPR pour innover et développer des solutions visant à améliorer la vie humaine et la société.

#1. CRISPR Therapeutics

L’entreprise basée à Zoug, pionnière dans l’utilisation de la technologie CRISPR pour traiter à la fois les maladies courantes et rares, a obtenu des droits de propriété intellectuelle sur le CRISPR/Cas9 et les technologies associées. Suite à cette démarche stratégique, CRISPR Therapeutics (CRSP ) a reçu l’approbation réglementaire au quatrième trimestre 2023 pour CASGEVY afin de traiter la drépanocytose (SCD) aux États‑Unis et la drépanocytose ainsi que la bêta‑thalassémie dépendante des transfusions (TDT) au Royaume‑Uni et au Bahreïn.

En tirant parti de ces autorisations, le PDG Samarth Kulkarni a déclaré en 2024 :

“Nous continuerons à faire progresser nos programmes et à élargir notre pipeline dans le but de fournir aux patients des thérapies d’édition génétique révolutionnaires. Nous sommes bien placés pour mener nos essais cliniques dans divers domaines thérapeutiques, notamment l’oncologie, les maladies auto‑immunes, cardiovasculaires et le diabète.”

En reflétant les avancées de l’entreprise et la confiance du marché, CRISPR Therapeutics, avec une capitalisation boursière de 5 milliards de dollars, voit ses actions se négocier à 62,95 $, soit une hausse de 0,56 % depuis le début de l’année (YTD). L’entreprise a déclaré un chiffre d’affaires de 170 millions de dollars sur les douze derniers mois (TTM), avec un BPA (TTM) de -4,48 et un ratio P/E (TTM) de -14,05. Démontrant la confiance des investisseurs, en janvier 2024, ARK Investment de Cathie Wood a acquis 167 000 actions de CRISPR Therapeutics.

Cliquez ici pour tout savoir sur l’investissement dans CRISPR Therapeutics.

#2. UnitedHealth Group Incorporated

Cette entreprise diversifiée du secteur de la santé a largement recours à l’IA, à l’apprentissage automatique (ML) et au traitement du langage naturel (NLP), son COO Dirk McMahon notant :

“À long terme, nous pensons qu’il y a de grands espoirs pour cela.”

Il y a plus d’une décennie, UnitedHealth (UNH ) Group a acquis Optum, qui utilise la technologie et l’IA pour la prise de décision et l’analyse prédictive. Dans ses résultats du quatrième trimestre, l’entreprise a signalé une hausse de 24,2 % du chiffre d’affaires de la division Optum, atteignant 59,5 milliards de dollars. Il y a quelques années, l’entreprise a lancé une plateforme de thérapie numérique de niveau 2 pour les patients diabétiques et a également intégré une plateforme d’assistance virtuelle afin d’optimiser le support client.

Avec une capitalisation boursière de 473,32 milliards de dollars, les actions de UnitedHealth Group se négocient actuellement à 511,74 $, en baisse de 2,8 % depuis le début de l’année (YTD). L’entreprise a affiché un chiffre d’affaires (TTM) de 317,62 milliards de dollars et un BPA (TTM) de 23,85 ainsi qu’un ratio P/E (TTM) de 21,46.

Réflexions finales

Le CRISPR est apparu comme une technologie d’édition du génome simple et rapide, présentant un grand potentiel pour traiter les troubles génétiques. Cependant, plusieurs défis subsistent, tels que les coûts élevés et les éditions hors cible, ce qui nécessite d’améliorer l’efficacité de l’édition tout en garantissant la sécurité.

En plus du CRISPR, l’IA est une autre technologie qui transforme le secteur de la santé grâce à sa capacité inégalée à reconnaître les tendances. Ensemble, les technologies IA et CRISPR ouvrent des perspectives passionnantes pour une compréhension rapide des gènes et l’amélioration des traitements médicaux des maladies génétiques.

Cliquez ici pour découvrir les meilleures entreprises CRISPR dans lesquelles investir.