Etude du rôle des claudines dans les cancers gastrointerstinaux grâce à l’intelligence artificielle – CLAUD-IA

Les claudines (CLDNs) sont des protéines de surface cellulaire essentielles au maintien de la polarité cellulaire et de l'intégrité des barrières. Des études sur des échantillons de patients et des modèles précliniques montrent que les CLDNs sont surexprimées dans les tumeurs solides, jouant un rôle clé dans le développement et la métastase des cancers, ce qui en fait des cibles thérapeutiques de premier plan. Des anticorps monoclonaux ciblant la CLDN1 et la CLDN18.2 sont actuellement en essais cliniques pour les cancers épithéliaux avancés. Cependant, les mécanismes par lesquels les CLDNs favorisent la progression tumorale restent mal compris, et l’identification de nouvelles molécules ciblant les CLDNs pourrait ouvrir de nouvelles perspectives thérapeutiques. Le projet CLAUD-IA exploitera l’intelligence artificielle générative (IA) pour étudier le rôle des CLDNs dans les cancers gastro-intestinaux (GI) et concevoir de nouveaux composés spécifiques aux CLDNs pour le traitement de ces cancers.
Cette recherche s’appuie sur une expertise de longue date en conception de médicaments assistée par IA générative et en biologie des CLDNs, portée par des équipes au Canada et en France. En intégrant des ensembles de données transcriptomiques publics et propriétaires, nous visons à identifier de nouvelles cibles thérapeutiques contre les cancers GI et à découvrir de nouveaux candidats-médicaments. L’IA générative jouera un rôle central en analysant des données transcriptomiques à grande échelle pour identifier de nouveaux schémas d’expression des CLDNs et décrypter les voies biologiques associées. De plus, des modèles prédictifs générés par IA permettront la découverte et la validation d’une nouvelle génération de petites molécules ciblant spécifiquement CLDN1 et CLDN18.2. Le développement et l’application de ces outils avancés d’IA générative nous permettront d’élargir notre analyse, d’explorer de vastes ensembles de données et d’identifier de nouvelles cibles thérapeutiques et des candidats-médicaments au-delà de l’état de l’art.