Des graphiques de connaissances basés sur des images révèlent de nouvelles cibles pour le traitement des maladies cardiaques

Des graphiques de connaissances basés sur des images révèlent de nouvelles cibles pour le traitement des maladies cardiaques

Les graphiques de connaissances sont un outil puissant pour rassembler les informations provenant de bases de données biologiques et relier les connaissances déjà connues sur les gènes, les maladies, les traitements, les voies moléculaires et les symptômes dans un réseau structuré. Jusqu’à présent, il y avait un manque d’informations détaillées et individuelles sur l’apparence et le fonctionnement réel de l’organe affecté.

Les dernières recherches menées par le chercheur postdoctoral Dr Khaled Rjoob et le professeur Declan O'Regan, chef de groupe du groupe d'imagerie cardiaque computationnelle du laboratoire des sciences médicales du MRC, ont développé cette technologie en ajoutant pour la première fois des données d'image à un graphique de connaissances. CardioKG fournit un aperçu détaillé de la structure et de la fonction du cœur, améliorant considérablement la précision de la prédiction des gènes liés aux maladies et de la capacité des médicaments existants à les traiter.

Capturer la variation cardiaque

Pour développer CardioKG, l'équipe a utilisé les données d'imagerie cardiaque de 4 280 participants de la biobanque britannique souffrant de fibrillation auriculaire, d'insuffisance cardiaque ou de crise cardiaque, ainsi que de 5 304 participants en bonne santé, et a capturé les variations de la structure et de la fonction du cœur. Au total, plus de 200 000 fonctionnalités basées sur des images ont été générées et utilisées pour entraîner le modèle. L’équipe a intégré ces données à des données provenant de 18 bases de données biologiques différentes et a utilisé l’intelligence artificielle (IA) pour prédire les liens entre les gènes et les maladies, ainsi que les opportunités de réutilisation des médicaments.

L’un des avantages des graphiques de connaissances est qu’ils intègrent des informations sur les gènes, les médicaments et les maladies. Cela signifie que vous avez plus de possibilités de découvrir de nouvelles thérapies. Nous avons constaté que l’incorporation de l’imagerie cardiaque dans le graphique modifiait la manière dont de nouveaux gènes et médicaments pouvaient être identifiés.

Professeur Declan O'Regan, Groupe d'imagerie cardiaque computationnelle, Laboratoire des sciences médicales du MRC

Prédire les opportunités liées aux nouveaux médicaments

Le modèle a identifié une liste de nouveaux gènes associés à la maladie et a prédit deux médicaments pour traiter les maladies cardiaques ; Le méthotrexate, un médicament contre la polyarthrite rhumatoïde, pourrait améliorer l'insuffisance cardiaque, et les gliptines, utilisées pour traiter le diabète, pourraient être utiles contre la fibrillation auriculaire. L'équipe a également fait une découverte surprenante : la caféine, qui rend le cœur plus excitable, a un effet protecteur chez les patients atteints de fibrillation auriculaire, qui ont un pouls irrégulier et rapide.

"Ce qui est passionnant, c'est qu'il existe d'autres études récentes dans ce domaine qui soutiennent nos résultats préliminaires", déclare Declan. "Cela met en évidence l'énorme potentiel des graphiques de connaissances pour découvrir les médicaments existants qui pourraient être utilisés comme nouveaux traitements."

Étendre la technologie à d’autres organes

CardioKG propose une technologie de validation de principe qui peut aller bien au-delà du cœur. Les chercheurs pourraient désormais développer des graphiques de connaissances intégrant des données d’imagerie partout où l’imagerie d’organe existe, ce qui signifie que la même approche pourrait être appliquée aux scintigraphies cérébrales, à l’imagerie de la graisse corporelle ou à d’autres organes et tissus pour explorer de nouvelles possibilités thérapeutiques dans des domaines tels que la démence ou l’obésité.

La capacité de ces graphiques de connaissances à générer des listes précises et rapides de gènes hautement prioritaires dans une gamme de maladies fournirait aux sociétés pharmaceutiques un point de départ précieux, mettant en évidence des cibles biologiques qu'elles peuvent explorer, valider et potentiellement développer dans de nouvelles thérapies bien plus efficacement que les méthodes de découverte traditionnelles.

« En nous appuyant sur ce travail, nous élargirons le graphe de connaissances en un cadre dynamique et centré sur le patient qui capture la progression réelle de la maladie », explique Khaled. « Cela ouvrira de nouvelles possibilités de traitement personnalisé et de prédiction du moment où la maladie est susceptible de survenir. »

Cette étude a été soutenue par le Medical Research Council, la British Heart Foundation, Bayer AG et le centre de recherche biomédicale de l'Imperial College de l'Institut national de recherche sur la santé et les soins (NIHR).

En plus de son rôle au LMS, Declan est professeur d'IA cardiovasculaire à la British Heart Foundation et responsable des sujets cliniques pour le Centre d'excellence en recherche de la British Heart Foundation à l'Imperial's National Heart and Lung Institute.

Sources :