Vous êtes ici

Une approche de la mucoviscidose par Biologie des Systèmes et Machine-Learning. Identification de nouvelles cibles thérapeutiques et de candidats médicaments.

Dernière mise à jour 21.07.2021 à 18h19

Axe de recherche : Fonction CFTR Délégation territoriale : Île de France

Porteur du projet : Véronique Stoven

Mines-ParisTech - Centre de Bioinformatique

Contexte : 
La mucoviscidose est causée par des mutations dans un gène codant pour la protéine CFTR, dont la fonction connue est de transporter des ions Cl-. Dans la mucoviscidose, CFTR est absente ou n’assure plus cette fonction, ce qui ne permet pourtant pas d’expliquer certains symptômes, comme l’inflammation des voies respiratoires. En effet, dans la cellule, CFTR appartient à un grand réseau de protéines qui interagissent les unes avec les autres pour assurer des mécanismes biologiques complexes. Nous faisons l’hypothèse que l’absence de CFTR fonctionnelle perturbe le fonctionnement de ce réseau, ce qui participe aux symptômes observés chez les patients. Nous pensons que la correction du fonctionnement de ce réseau serait bénéfique pour les patients.
Par ailleurs, les modulateurs de CFTR actuellement sur le marché visent à rétablir des flux d’ions Cl- normaux, mais le mécanisme précis de ces médicaments n’est pas établi, ce qui est un frein pour l’optimisation de ces traitements. L’identification du mécanisme d’action de ces molécules est une question importante pour améliorer les thérapies et anticiper les effets secondaires possibles.

Objectifs :
Ce projet présente deux axes de recherche :

1- Les symptômes de la mucoviscidose ne s’expliquent pas complètement par la perte de la fonction canal chlorures de CFTR. Notre hypothèse est que certains symptômes sont dus à la dérégulation du réseau d’interactions fonctionnelles dans lequel CFTR est impliquée au niveau cellulaire. Notre approche de biologie des systèmes vise à :
- construire les réseaux d’interactions de CFTR sauvage et non fonctionnelle, et simuler leur fonctionnement
- identifier de nouvelles protéines cibles thérapeutiques dans ce réseau, et les médicaments associés

2- Les mécanismes des modulateurs de CFTR (correcteurs/potentiateurs) ne sont pas complètement connus. Nous identifierons les protéines impliquées dans ces mécanismes par une approche de machine-learning, une branche de l’intelligence artificielle, ce qui pourrait suggérer de nouvelles thérapies, et aidera la prédiction d’effets secondaires potentiels à long terme.

Le but est de proposer des alternatives thérapeutiques aux patients non éligibles pour les modulateurs de CFTR, et ou de les associer à ces modulateurs.

Perspectives :
(1) Construction du réseau dérégulé dans la mucoviscidose
Le réseau préliminaire de la cellule F508del sera enrichi et affiné à l'aide d'autres bases de données accessibles.
Ce réseau sera également affiné à partir de données correspondant à des patients porteurs de mutations ne permettant pas l'expression de CFTR.  En effet, ces patients sont visés prioritairement dans notre projet car ils ne sont pas éligibles aux modulateurs de CFTR.
L'absence totale de production de CFTR chez eux pourrait conduire à des différences (au moins partielles) au niveau des voies biologiques dérégulées par rapport aux patients F508del. Il n'existe pas à ce jour de données omics concernant ces patients. Nous utiliserons donc des cultures primaires de cellules épithéliales nasales de patients porteurs de mutations 1525-1G->A; 1717–1G> A; 1898+1G>A, pour réaliser des expériences de transcriptomique RNAseq et de protéomique. Ces données  permettront de corriger le réseau préliminaire construit à partir de donnés de transcriptomique publiques concernant des patients F508del, si des voies biologiques dérégulées différentes étaient identifiées chez les patients n'exprimant pas CFTR.

(2) Identification des mécanismes d'action des modulateurs de CFTR
L'ensemble des travaux concernant la prédiction des cibles des modulateurs de CFTR par machine-learning a été achevé en 2020. 
Des expériences de validation et d'interprétation biologique de ces prédictions sont en cours, et seront poursuivies.  A ce stade, il apparait cependant clairement que les modulateurs de CFTR ont effectivement des mécanismes d'action ne dépendant pas de CFTR, et appartenant à des voies pertinentes dans la mucoviscidose, et pour confirmées spécifiquement pour certaines par quelques expériences in vitro, et au niveau cellulaire (collaboration avec U1151)
Ces expériences seront complétées par d'autres tests permettant le suivi d'autre marqueurs ou phénotypes, incluant IL6, des marqueurs de stress oxydant, et des expériences de réparation cellulaire sur des cellules primaires portant des mutations d'épissage (1525-1G->A; 1717–1G> A; 1898+1G>A) seront effectuées avec les modulateurs.

Résultats obtenus :
(1) Un réseau préliminaire de protéines résumant les dérégulations des cellules porteuses de mutations F508del a été construit grâce aux données de la littérature et aux données biologiques d'expression des gènes dans les cellules épithéliales nasales actuellement disponibles. 

(2) les études de prédiction par machine-learning des protéines impliquées dans les mécanismes des modulateurs sont achevées. Elles ont permis d'identifier des voies biologiques pertinentes dans la mucoviscidose et indépendantes de CFTR. Des validations expérimentales préliminaires ont été obtenu.