L'approche de l'IA ouvre la voie à une immunothérapie à base de cellules T et à un développement de vaccins plus intelligents
infohightech ·
Des chercheurs ont exploité la puissance de l'intelligence artificielle pour relever l'un des défis les plus complexes de l'immunologie : prédire comment les lymphocytes T reconnaissent et réagissent à des antigènes peptidiques spécifiques. Grâce à AlphaFold 3 (AF3), un modèle d'IA/ML conçu pour la prédiction de la structure des protéines, l'équipe a démontré une nouvelle approche pour modéliser les interactions récepteur des lymphocytes T–peptide/complexe majeur d'histocompatibilité (TCR-pMHC) avec une précision croissante. L'article est publié dans la revue Frontiers in Immunology .
Les lymphocytes T jouent un double rôle dans la santé humaine : ils agissent comme des agents de défense en éliminant les tumeurs et les cellules infectées, et contribuent parfois à la maladie en ciblant les tissus de l'organisme. Au cœur de cet équilibre se trouve la reconnaissance TCR-pMHC, un processus crucial qui détermine si les lymphocytes T développent une réponse protectrice ou déclenchent une auto-immunité nocive. Jusqu'à présent, les modèles prédictifs de la spécificité du TCR restaient limités en termes de précision et de portée.
« Inspirés par les avancées récentes en biologie structurale basée sur l'IA , nous avons cherché à évaluer si AlphaFold pouvait être adapté pour prédire la façon dont les lymphocytes T reconnaissent les épitopes », a déclaré le Dr Chongming Jiang, chercheur principal de l'étude. « Nos résultats indiquent qu'AlphaFold peut distinguer les épitopes valides des épitopes invalides, nous rapprochant ainsi d'une prédiction fiable et à haut débit des réponses des lymphocytes T. »
L'équipe de recherche indique que la modélisation informatique d'AlphaFold permet l'identification in silico d'épitopes immunogènes susceptibles de servir de cibles vaccinales. Au-delà de la prévention, la capacité à concevoir des lymphocytes T à plus forte affinité et plus spécifiques pourrait améliorer la sécurité et l'efficacité des thérapies à base de lymphocytes T contre le cancer, les maladies infectieuses et les maladies auto-immunes.
« Un modèle de prédiction précis des interactions TCR-pMHC pourrait transformer le développement des immunothérapies et des vaccins », a ajouté le Dr Xiling Shen, directeur scientifique de l'Institut Terasaki. « Cela représente une étape cruciale vers des approches de médecine de précision qui exploitent le système immunitaire pour combattre la maladie. »
Bien que les chercheurs reconnaissent que des améliorations et une validation supplémentaires sont nécessaires avant une application clinique généralisée, les résultats soulignent la promesse d’une modélisation structurelle basée sur l’apprentissage profond comme voie pour la prédiction généralisable des interactions TCR-pMHC.
Cette avancée souligne le potentiel des approches basées sur l’IA pour accélérer la découverte de médicaments et la conception d’immunothérapies, ouvrant la voie à des traitements plus efficaces et plus sûrs.
https://www.frontiersin.org/journals/immunology/articles/10.3389/fimmu.2025.1651533/full