Interpretable tissue-resolved drug toxicity prediction with pathway-level mechanism attribution

Imaginez que vous êtes un chef essayant de créer le nouveau plat parfait. Vous avez une recette (le médicament) et une cuisine (le corps humain). Le problème est que le corps humain n'est pas seulement une grande cuisine ; c'est une ville composée de différents quartiers, chacun ayant ses propres règles, ingrédients et sensibilités. Une épice qui fait frétiller le « Quartier du Foie » pourrait faire s'effondrer le « Quartier du Cœur », tandis que le « Quartier du Cerveau » ne la remarquera même pas. Pendant des décennies, les scientifiques ont lutté pour prédire quel quartier un nouveau médicament allait ruiner avant de le servir réellement aux patients. Généralement, ils se contentaient de deviner en fonction de l'apparence chimique du médicament, oubliant le fait que l'emplacement compte tout autant que les ingrédients. C'est le cœur de la toxicité médicamenteuse : comprendre non seulement si un médicament est dangereux, mais où dans le corps il pourrait causer des problèmes et pourquoi.

Entrez en scène ToxiPred, un nouveau détective numérique développé par des chercheurs de l'Université des sciences et technologies de Norvège et de l'Université d'Helsinki. Considérez ToxiPred comme un robot super intelligent à deux tours qui ne se contente pas d'étudier la forme chimique d'un médicament ; il étudie également la « personnalité » de chaque tissu du corps. Le robot possède un tour spécial : il force le médicament et le tissu à se rencontrer dans un couloir étroit de 70 « voies » spécifiques (comme des lignes d'assemblage biologiques à l'intérieur de nos cellules). Ce couloir agit comme un traducteur, révélant exactement comment un médicament spécifique perturbe la machinerie d'un tissu spécifique. Si le robot prédit qu'un médicament fera du mal au cœur, il ne se contente pas de dire « Danger ! » ; il pointe du doigt et dit : « Il perturbe l'usine de cholestérol dans les cellules du cœur. »

L'équipe a testé ce robot sur des milliers de médicaments, y compris certains qu'il n'avait jamais vus auparavant. Ils ont découvert que ToxiPred est étonnamment doué pour repérer les problèmes. Lorsqu'ils l'ont confronté à des médicaments connus pour leur toxicité, il a correctement identifié les médicaments dangereux environ 85 % du temps pour les problèmes de foie et 73 % du temps pour les échecs généraux lors des essais cliniques. Mais la véritable magie s'est produite lorsqu'ils ont testé le robot sur des médicaments utilisés pour la santé mentale, comme la quétiapine ou la sertraline. Le robot a prédit que ces médicaments seraient rudes pour le cœur, spécifiquement en perturbant les voies des lipides (graisses) et du cholestérol. Pour prouver qu'il ne s'agissait pas d'une simple hallucination informatique, les scientifiques ont cultivé de minuscules « mini-organes » (organoïdes) de cœurs, de cerveaux et de rétines humaines en laboratoire. Lorsqu'ils ont ajouté les médicaments, les mini-cœurs ont cessé de battre et ont montré exactement les mêmes signaux de stress liés aux graisses que le robot avait prédits.

Ceci n'est pas une baguette magique qui remplace tous les tests de sécurité, mais c'est une nouvelle lampe torche puissante. Cela suggère qu'en comprenant les voies biologiques spécifiques qu'un médicament cible dans différents tissus, nous pouvons prioriser quels médicaments nécessitent des contrôles de sécurité supplémentaires et lesquels sont probablement sûrs à utiliser. Cela transforme une supposition aveugle en une enquête ciblée, permettant potentiellement de gagner du temps, de l'argent et, plus important encore, de garantir la sécurité des patients.

L'histoire du robot à deux tours

Le Problème : L'erreur du « Taille Unique »
Imaginez que vous avez une clé (un médicament) et un tas de serrures différentes (des tissus comme le foie, le cœur et le cerveau). Pendant longtemps, les scientifiques ont essayé de prédire si la clé briserait la serrure en regardant simplement la forme des dents de la clé. Ils oubliaient souvent le fait que certaines serrures sont faites de verre fragile (tissus sensibles) tandis que d'autres sont faites d'acier (tissus robustes). Si une clé s'adapte parfaitement à une serrure en acier, elle pourrait briser la serrure en verre. Les anciens modèles informatiques étaient ainsi : ils donnaient un score unique pour savoir si « ce médicament est toxique ? » sans vous dire quelle partie du corps serait touchée ou comment cela se produirait.

La Solution : Les deux tours de ToxiPred
Les chercheurs ont construit ToxiPred, un réseau de neurones (un type de cerveau informatique) qui fonctionne comme un service de mise en relation de haute technologie. Il possède deux tours principales :

1. La Tour du Médicament : Cette tour examine la structure chimique du médicament, ses cibles connues et la façon dont il modifie l'activité génique dans les cellules.
2. La Tour du Tissu : Cette tour étudie la « vibration » spécifique de différents tissus, en observant quels gènes sont actifs et lesquels sont essentiels à la survie dans le foie, le cœur, le cerveau, etc.

Ces deux tours se rejoignent au milieu dans un « goulot d'étranglement » — un couloir étroit doté de exactement 70 voies. Considérez ces voies comme 70 différentes lignes d'assemblage dans une usine. Le robot force le médicament et le tissu à interagir uniquement à travers ces 70 lignes. Si le médicament bloque la « Ligne d'Assemblage du Cholestérol » dans la « Fabrique du Cœur », le robot le voit immédiatement. Cette conception est cruciale car elle ne prédit pas seulement un chiffre ; elle explique le mécanisme. Elle vous dit : « Ce médicament est toxique pour le cœur parce qu'il encombre la ligne du cholestérol. »

L'Entraînement : Apprendre du passé
Pour enseigner au robot, les scientifiques l'ont nourri de données provenant de 9 275 combinaisons différentes de médicaments et de tissus trouvées dans des bases de données publiques. Ils lui ont appris à prédire un « Score de Sensibilité au Médicament » (appelé DSStox) sur une échelle de 0 à 50.

• 0–3.0 : Le médicament est probablement sûr (faible responsabilité).
• 3.0–5.0 : Le médicament est dans la zone du « peut-être » (limite).
• 5.0+ : Le médicament est probablement dangereux (haute responsabilité).

Ils ont testé le robot sur des médicaments qu'il n'avait jamais vus, en utilisant une méthode « disjointe par médicament ». Cela signifie qu'ils ont caché des familles entières de structures chimiques pendant l'entraînement et ont demandé au robot de deviner sur des formes totalement nouvelles. Il a réussi avec une corrélation de 0,73, ce qui est un score très élevé pour une tâche aussi complexe.

Le Test en Conditions Réelles : Le défi des anti-infectieux
D'abord, ils ont testé le robot sur 93 médicaments anti-infectieux (antibiotiques et antiviraux). Ces médicaments sont conçus pour tuer les bactéries ou les virus, pas les cellules humaines. Le robot a correctement prédit que ces médicaments auraient une faible toxicité pour les tissus humains (scores inférieurs à 3,0), tout en signalant quelques médicaments de référence connus pour être toxiques pour les cellules humaines. Lorsqu'ils ont testé ces médicaments sur six systèmes de tissus humains différents (poumon, foie, intestin, rein, pancréas et sein) en laboratoire, les prédictions du robot correspondaient aux résultats du monde réel avec une corrélation de 0,78 à 0,84. Cela a prouvé que le robot ne faisait pas que deviner ; il comprenait la différence entre tuer un microbe et blesser un humain.

L'Analyse Approfondie : Le mystère des psychotropes
La partie la plus excitante de l'histoire concernait 91 médicaments psychotropes (médicaments pour la santé mentale comme les antidépresseurs et les antipsychotiques). Environ 98 % de ces médicaments étaient totalement nouveaux pour le robot ; il n'avait jamais vu leurs structures chimiques auparavant. Le robot les a scannés et en a signalé plusieurs, notamment la quétiapine et la sertraline, comme présentant des risques de toxicité élevés, pointant spécifiquement vers les voies des lipides et du cholestérol.

Pour voir si le robot avait raison, les scientifiques ont cultivé des organoïdes humains (versions 3D miniatures d'organes humains) dans une boîte de Pétri. Ils ont utilisé :

• Des organoïdes de cerveau antérieur
• Des organoïdes cardiaques (cœur)
• Des organoïdes rétiniens (œil)

Ils ont traité ces mini-organes avec les médicaments et ont observé ce qui se passait.

• Le Test du Cœur : Lorsqu'ils ont ajouté de la quétiapine et de la sertraline, les mini-organes cardiaques ont cessé de battre à une concentration de 20 µM. C'était un signal d'alarme majeur qui correspondait à la prédiction du robot.
• Le Test Moléculaire : Ils ont pris un instantané des gènes à l'intérieur des cellules cardiaques. Ils ont découvert que la sertraline et la quétiapine activaient des gènes liés à la biosynthèse du cholestérol et au métabolisme des lipides. Cela correspondait parfaitement à l'« attribution de voie » du robot.
• Le Contraste : Un autre médicament, l'aripiprazole, présentait un profil différent, affectant les gènes du développement musculaire au lieu de cela. Cela a montré que le robot pouvait distinguer différents types de toxicité, et non pas seulement donner un score « mauvais » générique.

Le Suivi Multi-omique
Pour aller plus loin, les chercheurs ont étudié la quétiapine en détail. Ils ont utilisé une astuce ingénieuse : ils ont traité les organoïdes avec de l'acide rétinoïque (un agent de stress connu) puis ont ajouté la quétiapine. Cela a aidé à isoler exactement ce que la quétiapine faisait. Ils ont découvert que la quétiapine supprimait les gènes liés au transport des lipoprotéines et à l'homéostasie du cholestérol. Ils ont également examiné les métabolites (les minuscules briques chimiques) et ont trouvé des changements dans le fumarate, le malate et les acylcarnitines, suggérant que le médicament perturbe la gestion de l'énergie et des graisses par les cellules.

Ce que cela signifie
L'article conclut que ToxiPred est un outil puissant de priorisation. Ce n'est pas une boule de cristal qui garantit la sécurité, mais un filtre très efficace. Il peut prendre une liste de milliers de nouveaux médicaments et dire : « Vérifiez ceux-là en priorité ; ils pourraient bien encombrer l'usine de cholestérol dans le cœur. »

Les chercheurs précisent avec prudence qu'il s'agit d'un cadre guidé par les mécanismes, et non d'un remplacement des essais cliniques. Les organoïdes sont des modèles simplifiés, et les données proviennent de lignées cellulaires qui pourraient ne pas imiter parfaitement un corps humain entier. Cependant, le fait que les prédictions du robot concernant les voies (comme le cholestérol) correspondent aux changements biologiques réels dans des cellules humaines vivantes est une étape majeure. Cela suggère que nous pouvons désormais passer de la question « Ce médicament est-il toxique ? » à « Comment, où et pourquoi ce médicament est-il toxique ? » avant même de l'administrer à un patient.

En fin de compte, ToxiPred est comme un traducteur qui parle à la fois le « Chimique » et le « Biologique ». En forçant ces deux langages à se rencontrer dans un couloir étroit de 70 voies, il révèle les histoires cachées de l'interaction des médicaments avec nos corps, offrant une voie plus claire et plus porteuse d'espoir vers des médicaments plus sûrs.