Network pharmacology-based discovery and experimental validation of novel drug repurposing candidates in Alzheimer's Disease

Cette étude combine une approche de pharmacologie de réseau et une validation expérimentale pour identifier et confirmer le potentiel de repositionnement des médicaments tauroursodésoxycholate (TUDCA) et arundine dans le traitement de la maladie d'Alzheimer, en démontrant leur capacité à réguler la signalisation des protéines G et à améliorer les phénotypes moléculaires liés à la pathologie.

L'essentiel

🧠 La Chasse aux Nouveaux Super-Héros contre Alzheimer

Imaginez que le cerveau atteint de la maladie d'Alzheimer est comme une ville en feu. Les pompiers actuels (les médicaments existants) essaient d'éteindre les flammes, mais ils n'arrivent pas à sauver la ville. Les chercheurs savent où sont les incendies (les gènes et les protéines défectueux), mais ils ne savent pas toujours quel outil utiliser pour les éteindre.

Dans cette étude, une équipe de scientifiques a utilisé une méthode très intelligente, qu'on appelle la pharmacologie de réseau, pour trouver de nouveaux "pompiers" parmi les outils qu'on a déjà dans l'armoire, mais qu'on utilise pour d'autres tâches. C'est ce qu'on appelle le repositionnement de médicaments.

Voici comment ils ont procédé, étape par étape :

1. Le Grand Plan de la Ville (Le Réseau)

Au lieu de chercher un médicament au hasard, les chercheurs ont dessiné une carte géante de la ville.

• Les Gènes : Ce sont les rues et les bâtiments de la ville. Certains bâtiments sont en feu (ce sont les gènes liés à Alzheimer).
• Les Médicaments : Ce sont des véhicules de pompiers. Chaque véhicule a une spécialité (il éteint les feux de cuisine, les feux de forêt, etc.).
• La Méthode : Ils ont créé un logiciel qui calcule la distance entre chaque camion de pompiers et les bâtiments en feu. Plus le camion est proche du bâtiment en feu dans le réseau, plus il a de chances de pouvoir l'éteindre efficacement.

2. Le Tri des Candidats (Le Filtre Numérique)

Ils ont passé en revue 2 413 médicaments existants (des médicaments déjà approuvés pour le cancer, le diabète, ou d'autres maladies).

• Leurs ordinateurs ont fait le calcul : "Quel médicament est le plus proche des gènes d'Alzheimer ?"
• Résultat : Ils ont trouvé trois candidats très prometteurs qui sortaient du lot, même s'ils n'étaient pas des médicaments classiques pour le cerveau.

3. Les Trois Nouveaux Héros

Voici les trois médicaments "retrouvés" qui ont retenu l'attention :

• L'Arundine (un dérivé de l'indole) : Imaginez un agent de nettoyage très efficace.
• Le Chenodiol (et son cousin TUDCA) : C'est un acide biliaire (une substance produite naturellement par le foie pour digérer les graisses). Dans cette étude, on a utilisé sa version "taurine-conjuguée" (TUDCA), qui agit comme un bouclier protecteur pour les cellules nerveuses.
• La Cystéamine : Un composé utilisé pour d'autres maladies, mais qui pourrait aider à nettoyer les déchets toxiques du cerveau.

4. L'Expérience en Laboratoire (La Preuve par le Feu)

Les chercheurs ne se sont pas contentés de calculs sur ordinateur. Ils ont mis ces trois médicaments à l'épreuve dans des "terrains d'entraînement" (des cellules en laboratoire).

• Le test : Ils ont vu si ces médicaments pouvaient nettoyer le cerveau des plaques toxiques (l'amyloïde) et réduire l'inflammation (la fumée du feu).
• Le résultat : Les statistiques (utilisant une méthode appelée "Bayésienne", qui est comme un détective très prudent) ont confirmé avec une grande certitude que l'Arundine et le TUDCA fonctionnent vraiment !
  • Ils aident à évacuer les déchets toxiques.
  • Ils calmement l'inflammation dans les cellules immunitaires du cerveau.

5. Le Secret du Mécanisme (Le Fil Magique)

Comment font-ils ça ? Les chercheurs ont découvert un "fil conducteur" mystérieux.
Tous ces médicaments agissent sur un interrupteur central dans le cerveau appelé RGS4.

• L'analogie : Imaginez que RGS4 est le chef de poste des pompiers. En agissant sur ce chef, les médicaments réorganisent toute l'équipe de secours pour qu'elle soit plus efficace contre le feu d'Alzheimer. Ce chef communique avec d'autres systèmes importants (comme les récepteurs EGFR) qui sont souvent déréglés dans le cancer et dans Alzheimer. C'est pour cela que des médicaments contre le cancer pourraient aussi aider Alzheimer !

🎯 En Résumé

Cette étude est comme une chasse au trésor numérique.

1. Les chercheurs ont utilisé une carte intelligente pour trouver des médicaments existants qui sont "géographiquement" proches des problèmes d'Alzheimer.
2. Ils ont testé les meilleurs candidats en laboratoire.
3. Ils ont prouvé que deux d'entre eux (TUDCA et Arundine) sont capables de nettoyer le cerveau et de protéger les cellules.

Pourquoi c'est important ?
Au lieu de créer un nouveau médicament de zéro (ce qui prend 10 ans et coûte des milliards), cette méthode suggère d'utiliser des médicaments qui existent déjà. Cela pourrait accélérer considérablement le moment où nous aurons un traitement efficace pour Alzheimer. C'est une lueur d'espoir pour transformer des outils connus en solutions inconnues.

Résumé technique

Titre de l'étude

Découverte par pharmacologie de réseau et validation expérimentale de nouveaux candidats pour le repositionnement de médicaments dans la maladie d'Alzheimer.

---

1. Problématique

La maladie d'Alzheimer (MA) est un trouble neurodégénératif progressif pour lequel aucun traitement efficace modifiant l'évolution de la maladie n'est actuellement disponible. Bien que des variants génétiques et des protéines associées au risque de MA aient été identifiés (notamment l'allèle APOE4), la traduction de ces connaissances en traitements cliniques a échoué. Les défis majeurs incluent la complexité génétique et cellulaire de la maladie, ainsi que la difficulté à distinguer les déclencheurs étiologiques précoces des processus compensatoires ou dégénératifs tardifs. L'objectif de cette étude est de surmonter ces obstacles en utilisant une approche de repositionnement de médicaments (drug repurposing) basée sur la pharmacologie de réseau, afin d'identifier des molécules existantes capables de cibler les voies causales précoces de la MA.

2. Méthodologie

L'approche adoptée combine une analyse computationnelle à grande échelle avec une validation expérimentale rigoureuse.

A. Cadre de Pharmacologie de Réseau (Approche Computationnelle)

• Intégration des données omiques : Les auteurs ont intégré des profils génomiques, transcriptomiques et protéomiques de la MA (issues d'études GWAS, TWAS, PWAS et d'analyses de cellules souches pluripotentes induites - iPSC) pour définir huit ensembles de gènes de risque de la MA.
• Construction des réseaux :
  1. Réseau d'interaction gène-gène (Interactome) : Un réseau humain de 11 133 gènes et 217 160 interactions.
  2. Réseau médicament-cible : Un réseau dérivé de la base de données ChEMBL (v29), contenant 25 329 paires médicament-cible pour des médicaments en phase 3/4 ou approuvés.
• Calcul de proximité de réseau : La méthode évalue l'efficacité potentielle d'un médicament en mesurant sa distance topologique (proximité) par rapport au module de gènes de risque de la MA dans l'interactome. Une proximité plus faible indique une plus grande probabilité d'efficacité thérapeutique.
• Screening et Agrégation : 2 413 médicaments ont été criblés. Les classements issus des huit modules de gènes de risque ont été agrégés en une liste unique en utilisant l'algorithme MC3 (via le package R TopKLists), jugé le plus performant.
• Validation computationnelle : Un taux de "redécouverte" a été calculé pour vérifier si les médicaments hautement classés incluaient des molécules déjà connues pour la MA ou des essais cliniques.

B. Priorisation et Validation Expérimentale

• Sélection manuelle : Parmi les meilleurs candidats, trois molécules ont été sélectionnées en fonction de leur perméabilité à la barrière hémato-encéphalique (BBB) et de preuves préexistantes :
  1. Chénodiol (acide biliaire primaire) -> testé sous forme de TUDCA (tauro-ursodésoxycholate), un épimère conjugué à la taurine.
  2. Arundine (3,3'-diindolylméthane, métabolite de l'indole-3-carbinol).
  3. Cystéamine (composé organosulfuré).
• Assais phénotypiques cellulaires : Les trois candidats ont été testés dans 33 assays cellulaires basés sur la dose-réponse, regroupés en 9 expériences. Ces tests évaluaient des phénotypes pertinents pour la MA : clairance de l'amyloïde-β (Aβ), libération d'Aβ, et neuroinflammation (induite par LPS).
• Analyse Statistique Bayésienne : Au lieu des p-values classiques, les auteurs ont utilisé un modèle de régression non linéaire bayésien (PyMC) pour calculer les probabilités postérieures d'effets protecteurs, neutres ou adverses. La force de l'évidence a été quantifiée par le facteur de Bayes (BF).

3. Contributions Clés

• Intégration Multi-omique : Utilisation simultanée de multiples sources de données (GWAS, TWAS, iPSC) pour définir des modules de gènes de la MA, augmentant la robustesse du criblage.
• Validation par Facteur de Bayes : Application d'une approche bayésienne pour évaluer les effets protecteurs des médicaments, permettant de tester des hypothèses à des tailles d'effets biologiquement plausibles plutôt que de se fier uniquement à la significativité statistique nulle.
• Identification de Cibles Mécanistiques : Mise en évidence du rôle central de la protéine RGS4 (Regulator of G protein signaling 4) comme nœud clé reliant les médicaments candidats aux gènes de la MA.
• Découverte de Nouveaux Candidats : Identification de l'arundine et du TUDCA comme candidats prometteurs, au-delà des médicaments anticancéreux souvent associés à la MA.

4. Résultats

• Validation Computationnelle : Le criblage par proximité de réseau a réussi à "redécouvrir" des médicaments déjà en essais cliniques pour la MA, validant la méthodologie. Le taux de redécouverte pour les médicaments hautement classés était 2 à 3 fois supérieur à celui des médicaments mal classés.
• Résultats Expérimentaux :
  • Arundine et TUDCA : Des facteurs de Bayes élevés (de modéré à très fort) ont soutenu l'hypothèse que ces deux molécules améliorent la clairance de l'Aβ1-42 dans les cellules microgliales BV2 et réduisent la libération d'Aβ40/Aβ42 dans les cellules H4-hAPP.
  • Neuroinflammation : Les deux molécules ont démontré une capacité significative à réduire la neuroinflammation induite par le LPS, tant dans les cellules microgliales BV2 que dans les microglies humaines dérivées d'iPSC de patients atteints de MA.
  • Cystéamine : Bien que sélectionnée, les preuves expérimentales étaient moins concluantes que pour les deux autres dans ce contexte spécifique.
• Mécanisme d'Action : L'analyse de réseau a identifié RGS4 comme un régulateur clé. Les médicaments agissent via RGS4, qui module les voies de signalisation ErbB (EGFR et ERBB3), impliquées dans la prolifération, la différenciation et la maturation neuronale, ainsi que dans la pathologie de la MA.

5. Signification et Implications

Cette étude démontre la puissance de l'approche de pharmacologie de réseau pour identifier des candidats thérapeutiques pour la maladie d'Alzheimer.

• Nouveaux Traitements : Elle propose le TUDCA (déjà testé dans la SLA) et l'arundine (dérivé de l'indole) comme candidats sérieux pour le repositionnement dans la MA, agissant sur la clairance de l'amyloïde et l'inflammation.
• Lien Mécanistique : Elle établit un lien mécanistique novateur entre les voies de signalisation G-proteines (via RGS4), les récepteurs ErbB (souvent ciblés en oncologie) et la pathologie de la MA. Cela suggère que les inhibiteurs de l'EGFR approuvés en oncologie pourraient être réutilisés pour la MA.
• Approche Systémique : En intégrant des données multi-omiques et en validant expérimentalement via des assays phénotypiques et une analyse bayésienne, l'étude fournit un modèle reproductible pour accélérer le développement de traitements modificateurs de la maladie.

En conclusion, l'étude valide que l'approche par réseau permet de passer des données génomiques complexes à des candidats thérapeutiques testables, identifiant le TUDCA et l'arundine comme des solutions prometteuses pour sauver les phénotypes moléculaires liés à la maladie d'Alzheimer.