Publié le 2024-02-29 14:35:00. Une compétition scientifique internationale a permis d’évaluer de nouvelles méthodes informatiques pour accélérer la découverte de médicaments antiviraux, notamment contre le SARS-CoV-2 et le MERS-CoV, ouvrant la voie à des avancées significatives dans la lutte contre les pandémies.
- Un défi informatique « aveugle » a rassemblé des chercheurs du monde entier pour prédire l’efficacité de molécules contre les coronavirus.
- L’initiative, menée par le Consortium de découverte de la plateforme antivirale structurée (ASAP) et soutenue par Polaris et le projet OpenADMET, a permis d’identifier les forces et les faiblesses des différentes approches.
- Les résultats de cette compétition serviront de référence pour améliorer les pratiques d’évaluation de l’apprentissage automatique dans le domaine de la découverte de médicaments.
Une analyse comparative à grande échelle de méthodes informatiques dédiées à la découverte de médicaments a été menée récemment, grâce à un défi scientifique organisé par le Consortium de découverte de la plateforme antivirale structurée (ASAP). Cette initiative, en partenariat avec Polaris et le projet OpenADMET, a invité des équipes de recherche universitaires et industrielles à tester leurs algorithmes sur des données inédites concernant le développement de médicaments antiviraux, ciblant notamment le SARS-CoV-2 (le virus responsable de la COVID-19) et le MERS-CoV (coronavirus du syndrome respiratoire du Moyen-Orient). L’objectif était de prédire la puissance biochimique et la manière dont les petites molécules se lient aux protéines cibles de ces virus, ainsi que d’évaluer divers paramètres liés à l’absorption, la distribution, le métabolisme, l’excrétion et la toxicité (ADMET) des composés.
Ce « défi aveugle », où les participants n’avaient pas accès aux résultats expérimentaux avant de soumettre leurs prédictions, a permis une évaluation impartiale et rigoureuse des différentes approches. Les soumissions ont été classées en fonction de leur performance sur plusieurs tâches et composés, et une méta-analyse a été réalisée pour identifier les points forts méthodologiques, les pièges courants et les axes d’amélioration. Les résultats de cette analyse constituent une base solide pour établir les meilleures pratiques en matière d’évaluation de l’apprentissage automatique appliqué à la découverte de médicaments.
L’initiative a également mis en évidence le potentiel des plateformes de nouvelle génération, telles que Polaris, pour faciliter la conception de défis scientifiques rigoureux, l’intégration de cadres d’évaluation et l’engagement d’une large communauté de chercheurs. Les conclusions collectives de ce défi, ainsi qu’une analyse approfondie des données, de l’infrastructure d’évaluation et des stratégies les plus performantes, sont présentées dans un numéro spécial dédié à cette compétition. Des articles complémentaires, rédigés par les participants, exploreront en détail leurs approches individuelles.
Ce travail collaboratif vise à promouvoir des méthodes informatiques reproductibles, fiables et efficaces dans le domaine de la découverte de médicaments, et à identifier les meilleures pratiques et les écueils à éviter lors de la conception et de la mise en œuvre de futurs défis scientifiques. Des initiatives similaires sont prévues dans le cadre du projet OpenADMET, qui vise à développer des outils et des ressources open source pour l’évaluation des propriétés ADMET des médicaments.
Pour aller plus loin
