Une nouvelle étude révèle que l'apprentissage automatique pourrait accélérer la découverte de plantes présentant des propriétés antipaludiques potentielles. Des chercheurs, aidés par des modèles ML développés par Daniele Silvestro du SIB à l'Université de Fribourg, ont examiné 21 000 espèces issues de trois familles de plantes. Ils estiment que plus d'un tiers d'entre elles pourraient avoir des propriétés antipaludiques et mériteraient d'être étudiées plus en détail à l'aide du cadre prédictif proposé. Les experts pensent qu'au moins 1 300 espèces actives contre le Plasmodium ont pu être ignorées par les approches conventionnelles.
La menace mondiale du paludisme
Le paludisme est l'une des maladies les plus mortelles pour l'humanité et reste un défi majeur pour la santé publique mondiale. Le paludisme est causé par le parasitePlasmodium, qui se transmet à l'homme par la piqûre de moustiques infectés. En 2021, l'Organisation mondiale de la santé a estimé à 247 millions le nombre de cas de paludisme dans le monde. La résistance aux médicaments antipaludiques existants constitue un défi de plus en plus important. En conséquence, l'OMS recommande d'accélérer la recherche sur les médicaments antipaludiques dans le cadre des efforts visant à atteindre les objectifs mondiaux en matière de paludisme.
Une nouvelle étude publiée dans Frontiers par des chercheurs des Jardins botaniques royaux de Kew (Royaume-Uni), du SIB et de l'Université de Fribourg (Suisse), en collaboration avec d'autres partenaires, a montré que l'utilisation de l'apprentissage automatique pourrait accélérer la recherche de plantes ayant des propriétés antipaludiques (voir encadré).
Les plantes ont fourni ou inspiré le développement de nombreux médicaments pharmaceutiques, car elles sont une source riche en composés bioactifs. Par exemple, deux médicaments pharmaceutiques majeurs utilisés dans le traitement du paludisme, la quinine et l'artémisinine, sont dérivés de plantes. Cependant, étant donné qu'il existe environ 343 000 espèces de plantes vasculaires, l'identification des plantes contenant des composés anti-Plasmodium peut être longue et coûteuse.
Dans le cadre de cette nouvelle étude, les scientifiques ont cherché à déterminer si des modèles d'apprentissage automatique pouvaient être entraînés à partir de données sur les caractéristiques des plantes afin de prédire l'activité anti-Plasmodium de ces dernières. Pour ce faire, ils ont étudié trois familles de plantes à fleurs, les Apocynaceae, les Loganiaceae et les Rubiaceae, qui comptent au total 21 100 espèces. Les chercheurs ont exploré toute une série de méthodes pour démontrer l'efficacité des algorithmes d'apprentissage automatique et ont comparé leurs performances avec d'autres approches souvent utilisées pour sélectionner des plantes afin de trouver des sources de composés bioactifs.
Les experts ont constaté que ces techniques constituent une approche prometteuse pour améliorer la capacité à prédire les plantes ayant des propriétés anti-Plasmodium, ce qui pourrait considérablement accélérer la recherche de nouveaux composés d'intérêt pharmaceutique. Les chercheurs estiment que 7 677 espèces des trois familles méritent d'être étudiées plus en détail et qu'au moins 1 300 espèces actives contre le Plasmodium ont pu être ignorées par les approches conventionnelles.
« Notre étude montre que l'apprentissage automatique offre les outils nécessaires pour combiner les connaissances scientifiques sur les plantes et leurs utilisations traditionnelles dans un cadre prédictif puissant qui peut guider les tests et la recherche futurs. La biodiversité recèle probablement des solutions aux problèmes de santé mondiaux actuels et futurs, et l'apprentissage automatique, associé à une recherche biologique rigoureuse et continue, peut aider à libérer ce potentiel », explique Daniele Silvestro, coauteur et chef de groupe au SIB, à l'Université de Fribourg.
Adam Richard-Bollans, chercheur au Royal Botanic Gardens, Kew, déclare : « Nos résultats mettent en évidence le vaste potentiel inexploré des plantes pour la production de nouveaux médicaments. On estime à 343 000 le nombre d'espèces de plantes vasculaires connues qui restent largement inexplorées sur le plan scientifique, et nous espérons que notre approche d'apprentissage automatique pourra être utilisée pour rechercher efficacement de nouveaux composés médicinaux dans ces plantes. Ces résultats renforcent également l'importance de la protection de la biodiversité et de l'utilisation durable des ressources naturelles afin de préserver cette précieuse ressource ».
Reference(s)
Richard-Bollans A. et al. L'apprentissage automatique améliore la prédiction des plantes comme sources potentielles d'antipaludiques. Frontiers in Plant Science.
