Faire avancer les tests de médicaments avec la technologie DigiLoCs

Le test de médicaments c'est vraiment un gros défi pour le développement de nouveaux traitements. Ça coûte beaucoup d'argent et souvent, ça ne prédit pas avec précision comment les médicaments vont fonctionner sur les humains. Une partie super importante de ce processus, c'est de déterminer la bonne dose à administrer quand un nouveau médicament est testé pour la première fois. Les scientifiques doivent donc vérifier soigneusement à quelle vitesse le foie peut décomposer les médicaments et comment ils agissent dans le corps humain.

Traditionnellement, les scientifiques utilisent des méthodes de laboratoire plus simples pour étudier comment les médicaments sont traités. Ces méthodes consistent généralement à étudier des cellules du foie ou des mini-systèmes qui imitent la fonction hépatique. Les données issues de ces méthodes aident les chercheurs à comprendre à quelle vitesse un médicament est éliminé du corps. Cependant, ces méthodes de base ne donnent souvent pas des prédictions fiables sur le comportement des médicaments chez les humains.

#Nouvelles Technologies

Récemment, de nouvelles technologies comme les systèmes microphysiologiques et les organes sur puce ont vu le jour. Ces systèmes sont petits et imitent beaucoup mieux les fonctions des organes humains que les méthodes traditionnelles. Ils permettent aux scientifiques d’étudier comment les médicaments sont absorbés, distribués, décomposés et éliminés du corps, tout en examinant les effets potentiellement nocifs. Bien que ces nouveaux systèmes produisent des données plus pertinentes, ils font toujours face à des défis pour prédire comment les médicaments agiront dans de vraies situations humaines.

Les méthodes d'analyse de données actuelles utilisées avec ces nouveaux systèmes ressemblent aux méthodes plus anciennes, qui ne tiennent pas compte de la complexité des nouveaux systèmes. On ne sait toujours pas si ces nouveaux systèmes ne sont pas assez semblables aux humains ou si les anciennes méthodes d'analyse échouent à prédire précisément le comportement des médicaments.

Une solution potentielle à ces défis est la création d'un cadre de jumeaux numériques. Cette approche utilise des modèles mathématiques avancés pour mieux représenter la biologie complexe de ces nouveaux systèmes, aidant à améliorer les prédictions sur le comportement des médicaments chez les humains.

#L'étude

Le but principal de cette étude était de créer un outil de jumeau numérique qui intègre les données des nouveaux systèmes organes sur puce et microphysiologiques. Cet outil vise à offrir de meilleures prédictions sur la façon dont les médicaments seront éliminés du corps humain. Un outil logiciel nommé DigiLoCs a été développé pour fournir une description plus précise de ce qui se passe dans ces nouveaux systèmes.

DigiLoCs utilise des informations sur la manière dont les médicaments sont traités dans le corps, y compris les taux d'élimination et comment les médicaments se déplacent à travers différentes zones du foie. Cet outil aide à séparer les processus actifs, comme le Métabolisme, des processus passifs, comme la façon dont les médicaments pénètrent dans les cellules. C'est un changement par rapport aux méthodes actuelles qui tendent à tout rassembler en un seul processus simple.

#Données et Méthodes

L'étude a examiné des données sur 32 médicaments différents, en étudiant comment ces médicaments étaient traités à l'aide de divers systèmes de foie sur puce et de sphères de foie cultivées en laboratoire. Les résultats ont été comparés entre DigiLoCs et d'autres méthodes de prédiction traditionnelles pour voir la performance de chaque approche.

L'outil DigiLoCs a été développé à l'aide d'un langage de programmation open-source et peut facilement communiquer avec les modèles pharmacocinétiques existants. Cela signifie que les chercheurs peuvent l'utiliser en parallèle de leurs pratiques actuelles sans causer de perturbations significatives. En mesurant la concentration de médicament dans le milieu environnant et à l'intérieur des cellules, les chercheurs peuvent améliorer la précision de leurs prédictions.

DigiLoCs utilise un modèle compartimental pour décrire comment les médicaments se déplacent à travers le système. Cela signifie que le modèle considère différentes zones, comme le milieu de livraison et l'intérieur des cellules, et suit comment les médicaments se distribuent et sont traités au fil du temps.

#Mise en œuvre de l'outil

DigiLoCs a été conçu pour refléter comment les médicaments interagissent avec les cellules du foie. L'outil intègre des informations sur la vitesse à laquelle les médicaments peuvent entrer dans les cellules et combien de la drogue reste non liée une fois à l'intérieur. C'est important parce que seule la partie non liée peut être métabolisée par les cellules.

Le logiciel utilise diverses méthodes établies pour calculer les propriétés clés des médicaments, telles que leur lipophile (affinité pour les graisses), leur poids moléculaire et d'autres facteurs qui influencent leur comportement. Cela rend DigiLoCs plus efficace pour prédire comment les médicaments vont agir dans le corps humain.

#Résultats de DigiLoCs

En utilisant DigiLoCs, les chercheurs ont simulé 32 médicaments différents et comparé les taux d'élimination prévus aux taux réels observés chez les humains. Les résultats ont montré que DigiLoCs offrait des prédictions beaucoup plus précises par rapport aux méthodes traditionnelles qui avaient mal performé dans des études précédentes.

Dans un cas de test utilisant le médicament propranolol, DigiLoCs a très bien correspondu aux données humaines réelles. C'était significatif parce que les méthodes traditionnelles avaient largement sous-estimé la performance de ce médicament, entraînant des risques potentiels et un dosage inefficace dans des scénarios réels.

#Analyse de Sensibilité

Une partie importante de l'étude a consisté à analyser à quel point les outputs de DigiLoCs étaient sensibles à différents paramètres d'entrée. Cela signifie que les chercheurs ont examiné comment le changement de certains facteurs, comme la perméabilité du médicament ou la quantité de médicament liée, affectait les résultats prévus.

L'analyse a montré que certains facteurs, comme la vitesse à laquelle un médicament traverse la couche endothéliale et la surface du foie, jouaient un rôle significatif dans la capacité du modèle à prédire le comportement du médicament de manière précise. Comprendre ces sensibilités est crucial pour affiner le modèle et améliorer ses capacités prédictives.

#Traduction du Comportement des Médicaments chez l'Humain

L'étude s'est également concentrée sur la manière de prendre les résultats des systèmes d'organes sur puce et de les traduire en prédictions sur comment les médicaments vont fonctionner chez de vrais humains. Pour cela, les chercheurs ont pris les valeurs d'élimination estimées de DigiLoCs et les ont utilisées dans un modèle pharmacocinétique humain. Ce modèle simule comment les médicaments sont absorbés, distribués, décomposés et éliminés dans le corps humain.

En utilisant le propranolol comme exemple, les chercheurs ont montré comment l’utilisation de DigiLoCs a conduit à de meilleures prédictions du comportement du médicament par rapport aux méthodes traditionnelles. Les résultats de DigiLoCs non seulement correspondaient de manière plus précise aux données observées, mais réduisaient également les incertitudes liées au dosage des médicaments.

#Conclusion

Le développement de DigiLoCs représente un pas en avant significatif pour comprendre comment les médicaments se comportent dans le corps humain. En combinant des données biologiques complexes avec des modèles computationnels avancés, les chercheurs peuvent prévoir le comportement des médicaments chez les humains de manière plus précise que ce qui est actuellement possible avec les méthodes traditionnelles.

Ce travail est non seulement une avancée majeure pour le développement des médicaments, mais vise également à réduire la dépendance aux tests sur animaux, rendant le processus global plus durable. DigiLoCs a le potentiel de servir d'outil précieux pour la recherche pharmaceutique, menant à des médicaments plus efficaces et plus sûrs pour les gens.

À mesure que les technologies continuent d'évoluer, l'approche du jumeau numérique peut s'étendre au-delà du métabolisme hépatique à d'autres domaines, comme la façon dont les médicaments interagissent avec différents organes. La promesse de cette recherche réside dans sa capacité à transformer la manière dont les médicaments sont développés et à fournir un chemin plus fiable vers des résultats de santé humaine.