L'intelligence artificielle (IA) pour détecter les propriétés antipaludiques des plantes
FRIBOURG - Une équipe internationale avec participation suisse a testé une méthode d'apprentissage automatique afin d'accélérer la découverte de plantes aux propriétés antipaludiques. Ces spécialistes pensent que les approches conventionnelles ont ignoré de nombreuses espèces potentiellement intéressantes.
 |
Cette étude menée par des scientifiques des Jardins botaniques royaux de Kew (GB), de l'Institut suisse de bioinformatique (SIB) et de l’Université de Fribourg (UNIFR), entre autres partenaires, montre que l’utilisation de modèles de "machine learning" peut accélérer la découverte des plantes aux propriétés antipaludiques.
Deux médicaments majeurs utilisés pour le traitement du paludisme, la quinine et l’artémisinine, sont ainsi dérivés de plantes, indiquent l'UNIFR et le SIB jeudi (01.06.2023) dans un communiqué.
Les scientifiques ont étudié trois familles de plantes : les apocynacées, les loganiacées et les rubiacées, comprenant 21'100 espèces. Ils ont exploré un ensemble de méthodes pour démontrer l’efficacité des algorithmes et comparé leurs performances avec celles d’autres approches utilisées pour sélectionner les plantes en vue d’identifier des sources de composés bioactifs.
Résultats : sur les trois familles, 7677 espèces méritent d’être étudiées plus en détail et au moins 1300 espèces antiplasmodiques ont probablement été ignorées par les méthodes conventionnelles.
"Notre étude montre que le 'machine learning' offre les outils pour combiner les connaissances scientifiques sur les plantes et leurs applications traditionnelles dans un cadre prédictif performant susceptible de guider les futurs essais et recherches", indique Daniele Silvestro, de l’UNIFR, chef de groupe au SIB et coauteur de l’étude, cité dans le communiqué.
On estime à 343'000 le nombre d’espèces de plantes vasculaires encore largement inexplorées sur le plan scientifique. Les scientifiques espèrent que cette approche permettra de les étudier afin d'identifier de nouveaux composés. Ces travaux sont publiés dans la revue Frontiers in Plant Science.
Le 1 Juin 2023. Sources : Keystone-ATS. Crédits photos: Adobe Stock, Pixabay ou Pharmanetis Sàrl (Creapharma.ch).