AlphaFold aide à reconcevoir les protéines d'édition génétique pour réduire les effets hors cible

Des chercheurs ont utilisé un système d'intelligence artificielle, AlphaFold, pour reconcevoir des protéines d'édition génétique, les rendant plus sûres en réduisant les modifications involontaires de l'ADN. Les travaux, publiés dans Nature, abordent un problème de sécurité persistant dans la thérapie génique : les effets hors cible, où les outils d'édition modifient par erreur la mauvaise séquence génétique.

Ces erreurs hors cible affectent les patients suivant des thérapies d'édition génétique. Le génome humain étant vaste, même des séquences d'ADN rares peuvent apparaître plusieurs fois par hasard. Bien que la probabilité d'une seule modification hors cible soit faible, les thérapies nécessitent souvent l'édition de nombreuses cellules, rendant les erreurs presque inévitables. Cela a constitué un obstacle majeur au développement de traitements sûrs.

L'importance réside dans l'amélioration du profil de sécurité de l'édition génétique, ce qui est crucial pour faire passer les thérapies de la recherche à une utilisation clinique généralisée. En réduisant les effets hors cible, les protéines modifiées pourraient diminuer le risque de modifications génétiques involontaires, rendant potentiellement les thérapies géniques plus fiables et acceptables pour le traitement des maladies.

L'équipe a utilisé AlphaFold, un programme d'IA conçu à l'origine pour prédire les structures des protéines, afin d'identifier les zones clés des protéines d'édition génétique responsables de l'activité hors cible. Ils ont ensuite modifié ces régions spécifiques pour minimiser les erreurs. L'étude a été publiée dans un numéro récent de Nature, bien que la date exacte n'ait pas été précisée dans la source.

L'édition génétique a été découverte il y a environ deux décennies, et les premières thérapies basées sur celle-ci commencent à émerger. Cependant, les défis de sécurité persistent. Les efforts précédents se sont concentrés sur la minimisation des modifications hors cible, mais cette approche utilisant l'IA pour reconcevoir les protéines elles-mêmes représente une nouvelle stratégie.

Les prochaines étapes impliquent probablement des tests supplémentaires de ces protéines reconçues dans des modèles précliniques et éventuellement chez l'humain. La source suggère que cette méthode pourrait conduire à des outils d'édition génétique plus sûrs, accélérant potentiellement le développement de thérapies pour les troubles génétiques. Cependant, aucun calendrier spécifique ni expériences ultérieures n'ont été détaillés dans la source.