L’intelligence artificielle pour mieux comprendre le système immunitaire

  • Forum
  • Le 27 novembre 2018

  • UdeMNouvelles
Tariq Daouda

Tariq Daouda

Crédit : Amélie Philibert

En 5 secondes

Grâce à des neurones artificiels, Tariq Daouda, de l’Institut de recherche en immunologie et en cancérologie de l’UdeM, a fait des découvertes sur les peptides, qui composent le système immunitaire.

Par Tariq Daouda, chercheur à l’Institut de recherche en immunologie et en cancérologie

 

Presque toutes les cellules de notre corps présentent à leur surface de petits morceaux de protéines qu'elles ont produites. Ces courtes séquences, appelées peptides, sont l’une des pierres angulaires du système immunitaire adaptatif.

De fait, elles jouent un rôle majeur aussi bien dans l'élimination des cellules immunitaires susceptibles de provoquer des réactions auto-immunes que dans le repérage et l'élimination des cellules au comportement anormal, comme les cellules cancéreuses ou les cellules infectées par des virus.

Ainsi, pouvoir déterminer l'ensemble des peptides présents à la surface des cellules pourrait permettre la conception de vaccins personnalisés qui dirigeraient le système immunitaire contre les cellules cancéreuses ou infectées.

Étudier l’ADN des cellules avec des neurones artificiels

Cependant, l'intégralité des règles présidant à la génération des peptides reste encore à découvrir. Nous savons, par exemple, que la capacité des peptides à se lier à la surface des cellules est primordiale. Cette capacité de liaison n'est toutefois pas suffisante pour prédire avec certitude quelles parties des protéines vont se retrouver à la surface des cellules.

Par conséquent, les seules méthodes fiables pour y parvenir nécessitent des mois de culture cellulaire, ce qui les rend inapplicables dans un contexte clinique personnalisé. Pour mieux comprendre les règles derrière la génération de ces peptides, nous avons décidé de remonter plus loin que les protéines et d'étudier l'ADN des cellules.

J'ai d'abord constitué un ensemble de données regroupant plus de 117 000 séquences d'ADN recueillies auprès de 18 sujets en utilisant des technologies de pointe où se mêlent la spectrométrie de masse et la génomique. J'ai par la suite entraîné des réseaux de neurones artificiels à différencier les séquences d'ADN associées aux peptides de celles qui ne le sont pas. Finalement, j'ai étudié la structure interne de ces réseaux afin de mettre au jour les mécanismes par lesquels ils désignent les séquences associées aux peptides.

Mes résultats montrent que la génération et la présentation des peptides ne dépendent pas seulement de la séquence du peptide, mais également d’un contexte beaucoup plus large dans l'ADN. Ils montrent aussi que certaines caractéristiques des séquences d'ADN, traditionnellement jugées équivalentes, influent différemment sur la présentation des peptides.

Mes résultats indiquent en outre que ces mécanismes découverts à l'aide de réseaux neuronaux artificiels sont conservés à travers les espèces et les types cellulaires. Cette conservation implique à son tour que ces mécanismes seraient suffisamment généraux pour être appliqués dans des contextes cliniques différents.

Finalement, mes résultats illustrent comment les réseaux de neurones artificiels peuvent être utilisés comme partie intégrante du processus de recherche en sciences de la santé. Leur capacité à s'adapter automatiquement à de grands ensembles de données en fait un moyen efficace pour l'extraction d'informations biologiques pertinentes, permettant ainsi de diriger les hypothèses de recherche.