Un nouvel algorithme d’apprentissage automatique a identifié 478 composés susceptibles d’inverser le vieillissement cérébral et de protéger contre les maladies neurodégénératives. Cette avancée, menée par des chercheurs du Luxembourg Centre for Systems Biomedicine et du CIC bioGUNE, pourrait accélérer le développement de médicaments pour lutter contre le déclin cognitif à mesure que la population mondiale vieillit rapidement.
Le cerveau vieillissant et le transcriptome
Le problème central est clair : le vieillissement est le plus grand facteur de risque de maladies neurodégénératives comme la maladie d’Alzheimer. Avec plus de deux milliards de personnes qui devraient avoir plus de 60 ans d’ici 2050, trouver des moyens de protéger la santé cérébrale plus tard dans la vie n’est plus seulement un défi scientifique : c’est un impératif de santé publique. Cette recherche ne se concentre pas sur les gènes eux-mêmes, mais sur le transcriptome, les molécules d’ARN qui montrent quels gènes sont actifs. Cette approche est plus dynamique que la simple observation de l’ADN, car l’activité des gènes change avec l’âge et la maladie.
Comment fonctionne l’algorithme
Les chercheurs ont analysé des échantillons de cerveau provenant de 778 individus en bonne santé âgés de 20 à 97 ans. Le modèle d’apprentissage automatique a appris à prédire l’âge biologique avec une précision remarquable (dans un délai de cinq ans) sur la base de l’activité de seulement 365 gènes clés. Étonnamment, la plupart de ces gènes ne sont pas directement impliqués dans le fonctionnement cérébral ; ils régulent la réparation de l’ADN et les processus globaux de vieillissement. Cela suggère que le ralentissement du vieillissement systémique peut protéger le cerveau.
Lorsqu’il a été appliqué à des échantillons provenant de patients atteints de la maladie d’Alzheimer ou d’un traumatisme crânien, l’algorithme a systématiquement montré que leur cerveau était biologiquement plus vieux que prévu, parfois jusqu’à 15 ans chez les personnes âgées de 60 à 70 ans. Cela confirme que la neurodégénérescence est liée au vieillissement accéléré au niveau moléculaire.
Identifier les composés rajeunissants
L’algorithme a ensuite analysé les données de milliers de neurones, à la recherche de modèles d’expression génétique qui réduisaient l’âge prédit. Le résultat : une liste de 478 médicaments aux effets rajeunissants potentiels. Bien que bon nombre de ces composés n’aient pas été testés pour prolonger leur durée de vie, les prédictions de l’algorithme constituent un point de départ pour des recherches ciblées.
Validation précoce chez la souris
Pour tester l’exactitude du modèle, les chercheurs ont administré trois des composés prédits à des souris âgées pendant quatre semaines. Les souris ont montré des améliorations significatives de la mémoire et une réduction de l’anxiété, ainsi que des changements génétiques qui ont rajeuni leurs cellules cérébrales. Cela suggère que l’algorithme n’identifie pas seulement des corrélations, mais aussi des liens causaux entre les composés et le rajeunissement du cerveau.
L’avenir de la découverte de médicaments anti-âge
Actuellement, le domaine anti-âge manque de méthodes systématiques pour le développement de médicaments. Cette plateforme d’apprentissage automatique offre un moyen structuré d’identifier les candidats prometteurs. Cependant, les composés identifiés nécessitent une validation plus approfondie sur plusieurs systèmes biologiques avant de pouvoir être considérés comme des traitements efficaces.
Les centaines de composés prévus par cette plateforme représentent une opportunité considérable pour la recherche future et le développement thérapeutique.
L’objectif est clair : développer des médicaments qui non seulement ralentissent le vieillissement, mais l’inversent activement, protégeant ainsi les fonctions cérébrales d’une population croissante. L’approche systématique fournie par cette nouvelle méthode d’apprentissage automatique représente une étape majeure vers cet avenir.
