Méthodes computationnelles pour identifier des traitements contre le cancer, y compris le criblage moléculaire et les jumeaux numériques.Les méthodes computationnelles pour la découverte de médicaments anticancéreux utilisent des algorithmes et des simulations pour identifier des candidats médicaments prometteurs, prédire leur efficacité et comprendre comment les tumeurs pourraient répondre au traitement. Cela inclut le criblage virtuel de bibliothèques moléculaires, la modélisation des interactions médicament-cible et la création de « jumeaux numériques » de tumeurs pour simuler les résultats thérapeutiques. L'objectif est de raccourcir le long parcours, de plusieurs années, allant de la molécule au médicament approuvé, et de personnaliser les traitements pour chaque patient.
Le domaine a commencé dans les années 1980 avec la conception de médicaments basée sur la structure, mais l'intégration des mégadonnées et de l'IA l'a accéléré dans les années 2010. Le concept de jumeaux numériques en médecine a gagné en importance à la fin des années 2010, grâce aux progrès de l'imagerie et de la génomique.
Une approche implique des simulations d'amarrage, où un ordinateur prédit comment une petite molécule s'insère dans le site actif d'une protéine. Les modèles d'apprentissage automatique peuvent également être entraînés sur de grands ensembles de données de réponses connues aux médicaments pour prédire quels composés sont susceptibles d'agir contre des types spécifiques de cancer. Les jumeaux numériques utilisent des données spécifiques au patient—telles que les profils génomiques et l'imagerie—pour construire un modèle computationnel de la tumeur, qui peut ensuite être « traité » virtuellement pour tester différentes combinaisons de médicaments avant de les appliquer au patient.
Utilisé par les entreprises pharmaceutiques pour cribler des millions de composés in silico, et en milieu clinique pour prédire quels patients répondront à l'immunothérapie ou à la chimiothérapie en fonction du profil moléculaire de leur tumeur.
Les jumeaux numériques de tumeurs peuvent simuler l'évolution de la résistance aux médicaments, permettant aux médecins de changer de thérapie de manière préventive avant que le cancer ne devienne incurable.

















