Image : Le professeur associé YC Chen (à droite), de l’Université technologique de Nanyang (NTU), tient la nouvelle biopuce capable de détecter les microARN en 20 minutes grâce à l’intelligence artificielle, avec son doctorant Fu Bowen derrière lui (à gauche).
Une équipe de scientifiques de la NTU de Singapour a mis au point une nouvelle biopuce qui, associée à l’intelligence artificielle (IA), peut détecter rapidement et précisément des quantités infimes de microARN, de minuscules marqueurs génétiques liés à des maladies telles que les maladies cardiaques.
Publiée dans la revue scientifique Advanced Materials , cette nouvelle plateforme de biodétection combine une puce nanophotonique spécialement conçue avec une analyse d’images automatisée par l’IA.
Une simple goutte de sang déposée sur la puce permet de détecter rapidement de multiples biomarqueurs de microARN. Grâce à sa fonction d’imagerie par intelligence artificielle intégrée, des milliers de signaux de microARN peuvent être visualisés et analysés en une seule prise.
Comparé à la méthode de référence actuelle pour la détection des microARN – la PCR (réaction en chaîne par polymérase) qui détecte de minuscules quantités de matériel génétique en les copiant de nombreuses fois – le nouveau dispositif peut réduire le temps de détection de plusieurs heures à 20 minutes.
Les microARN sont de courtes molécules d’ARN qui contribuent à la régulation des gènes dans l’organisme. Comme les variations de leur taux sont liées à de nombreuses maladies, les scientifiques les étudient comme biomarqueurs potentiels pour des affections telles que les maladies cardiovasculaires, le cancer, les maladies neurodégénératives et les maladies métaboliques.
Chen Yu-Cheng , professeur associé à l’Université technologique de Nanyang (NTU), qui a dirigé l’étude à l’ École de génie électrique et électronique, a déclaré que l’équipe vise à construire un système capable de mesurer rapidement et précisément plusieurs microARN, avec le potentiel de détecter des biomarqueurs liés à un large éventail de maladies.
« Nos tests concluants sur des cellules cancéreuses du poumon montrent qu’avec les sondes appropriées ciblant différents biomarqueurs, cette technologie pourrait potentiellement être adaptée à de nombreux autres cancers et maladies, notamment les maladies cardiovasculaires et virales », a expliqué le professeur Chen, un innovateur en série qui a été nommé sur la liste des innovateurs de moins de 35 ans (Asie-Pacifique) du MIT Technology Review en 2021 et qui est également professeur à la Lee Kong Chian School of Medicine (LKCMedicine) de l’Université technologique de Nanyang (NTU) .
« À l’avenir, il sera peut-être possible d’utiliser un échantillon de sang ou de salive dans un système automatisé capable de dépister simultanément des centaines, voire des milliers de biomarqueurs. Cela pourrait faciliter le dépistage à grande échelle et contribuer à l’essor de la médecine personnalisée. »
L’équipe a construit un prototype compact comprenant une caméra couleur capable de capturer des images de la puce nanophotonique, et une application mobile conçue pour analyser les images à la recherche de microARN à l’aide d’algorithmes d’IA et fournir des résultats rapides.
Leur innovation est soutenue par l’initiative Innovation et Entrepreneuriat de l’Université technologique de Nanyang (NTU), et une déclaration de technologie a été déposée par l’intermédiaire de NTUitive, la société d’innovation et d’entreprise de l’université.
Surmonter les difficultés liées à la détection des microARN
L’importance des microARN a été soulignée en 2024, lorsque le prix Nobel de physiologie ou médecine a récompensé la découverte des microARN et leur rôle dans la régulation des gènes.
Les microARN sont extrêmement petits, souvent présents en infimes quantités, et des microARN très proches peuvent partager des séquences similaires, ce qui les rend difficiles à distinguer. Pour pallier ce problème, l’équipe de l’Université technologique de Nanyang (NTU) a conçu une nanocavité, une minuscule structure de piégeage de la lumière des centaines de fois plus petite que l’épaisseur d’un cheveu.
Ressemblant à une grotte tapissée de miroirs, la nanocavité réfléchit et amplifie les signaux fluorescents émis lorsqu’un microARN cible se lie à sa sonde correspondante. Ceci facilite la détection de molécules de microARN individuelles.
Le système a mesuré trois microARN associés au cancer du poumon non à petites cellules – miR-191, miR-25 et miR-130a – à partir d’extraits de cellules cancéreuses pulmonaires humaines sans amplification ni préparation complexe.
Contrairement aux kits PCR et d’hybridation qui nécessitent des sondes marquées, la plateforme NTU détecte directement et quantitativement plusieurs microARN dans des échantillons liquides.
La plateforme utilise également un modèle d’apprentissage profond appelé Mask R-CNN pour analyser automatiquement les images microscopiques.
Un système d’imagerie IA automatisé capture les signaux des microARN en une seule prise, après quoi le système IA identifie et classe les signaux fluorescents et distingue les différents types de microARN, éliminant ainsi le besoin de comptage manuel et réduisant les erreurs humaines.
La plateforme a également bien fonctionné lorsque des microARN synthétiques ont été ajoutés à des extraits biologiques, ce qui suggère qu’elle peut fonctionner de manière fiable dans des conditions d’échantillons plus réalistes.
Les chercheurs ont indiqué que la plateforme pouvait détecter des microARN à des concentrations extrêmement faibles, jusqu’à quelques molécules seulement dans un échantillon, et qu’elle atteignait une précision supérieure à 99 % dans l’identification de ses cibles sur différents canaux de test.
Bowen Fu , doctorant à l’Institut d’analyse et de science moléculaire numérique (IDMxS) de l’Université technologique de Nanyang (NTU) et premier auteur de l’étude , explique : « Notre objectif était de créer une plateforme capable de mesurer directement plusieurs microARN avec une très grande sensibilité et un débit élevé. En combinant l’amplification du signal nanophotonique à l’analyse d’images par intelligence artificielle, nous avons pu détecter de minuscules quantités de molécules d’ARN dans des milliers de nanocavités en quelques minutes. »
Le professeur associé Chen a ajouté : « Nous étudions également la possibilité d’utiliser cette plateforme pour analyser des biomarqueurs à partir d’échantillons tels que le sang, la salive ou l’urine, ce qui pourrait permettre des tests moléculaires moins invasifs. Ce dispositif pourrait aussi s’avérer utile aux entreprises pharmaceutiques pour les essais de médicaments ciblant les microARN. »
Le professeur agrégé Sunny Wong Hei, consultant au département de gastro-entérologie et d’hépatologie de l’hôpital Tan Tock Seng et clinicien-chercheur spécialisé en génétique humaine, microbiote intestinal et maladies métaboliques, a commenté les résultats de manière indépendante : « D’un point de vue clinique, l’un des principaux besoins non satisfaits est la détection et le suivi précoces des maladies grâce à des biomarqueurs non invasifs. Le potentiel des microARN à cet égard, notamment dans le domaine des cancers, est reconnu depuis longtemps. »
« Une plateforme capable de détecter avec précision plusieurs microARN pourrait avoir d’immenses applications cliniques, notamment le dépistage précoce du cancer, la stratification des risques chez les patients et le suivi de la réponse au traitement ou de la récidive de la maladie. Une telle technologie pourrait potentiellement permettre une prise de décision clinique plus accessible et plus précise en oncologie et pour un large éventail de maladies. »
Cette étude a bénéficié du soutien financier du Fonds de recherche universitaire de niveau 1 du ministère de l’Éducation de Singapour et de la subvention de recherche interdisciplinaire sur la fabrication, le commerce et la connectivité de l’Agence pour la science, la technologie et la recherche.
L’équipe cherchera à dialoguer avec des cliniciens et des industriels pour voir comment elle peut étendre ses essais à d’autres marqueurs de microARN, a ajouté le professeur Chen.
https://www.ntu.edu.sg/news/detail/ai-powered-biochip-detects-genetic-markers-in-20-minutes
https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202522938
