Arnaud BONNAFFOUX : Biologie computationnelle

Résumé :

Le nouveau département de biologie computationnelle va développer des nouveaux outils d’analyse des données d’IA et de ML (Apprentissage Automatique) au service des équipes de recherche qui seront formées et pourront aussi collaborer plus facilement.
Ses nouveaux outils, qui considèrent la nature aléatoire et dynamique des cancers, permettront de trouver des nouvelles cibles thérapeutiques et des diagnostics plus prédictifs pour prévenir des cancers, leurs rechutes et améliorer les traitements existants.

Projet détaillé :

L’arrivée, depuis quelques années, de nouvelles technologies expérimentales, comme les techniques de single cell ou encore les spatial omics a permis aux chercheurs de générer des volumes de données absolument faramineux. L’accès à ces données, combinés à l’utilisation de l’intelligence artificielle, laissait envisager une certaine accélération dans l’identification de biomarqueurs d’intérêt et la conception de nouveaux traitements. Cependant, les résultats en matière de percées scientifiques et de développement de nouvelles thérapies pour les patients via cette approche ne sont pas encore au rendez-vous. Il semble donc crucial d’adopter de nouvelles pratiques afin de transformer le potentiel que représente la génération de ces données en connaissances exploitables afin de proposer de nouveaux traitements dans les années à venir.

Le nouveau département de Biologie Computationnelle du CRCL propose d’introduire auprès des équipes de recherche une méthode innovante de model-based-systems-engineering (ingénierie des systèmes basée sur des modèles) inspirée de l’industrie aérospatiale pour booster la recherche. Cette méthode, utilisée de la conception à la production des avions, ainsi que dans leur suivi opérationnel, repose sur le développement de simulateurs, baptisés aussi « jumeaux numériques ». Ces outils permettent de rassembler toutes les connaissances dans un modèle unique, clair et interactif. Grâce à des interfaces accessibles, ils facilitent la collaboration entre disciplines et accélèrent les avancées scientifiques, ouvrant la voie à des adaptations et découvertes plus rapides et efficaces

Le nouveau directeur du département de biologie computationnelle a transposé avec succès le model-based-systems-engineering en cancérologie. Cette nouvelle approche a déjà permis, en collaboration avec deux équipes de recherche, de développer des jumeaux numériques de cellules tumorales. Ces modèles sont capables de simuler des phénomènes de plasticité, c’est-à-dire la manière dont les cellules cancéreuses peuvent se modifier pour échapper aux traitements.

L’analyse des simulateurs a de plus abouti, en seulement quelques mois, à l’identification de nouvelles cibles contre la résistance du mélanome et du neuroblastome. Cette approche permet non seulement de diminuer les coûts et les délais des travaux de recherche, mais aussi d’augmenter le taux de succès grâce à son approche systémique. Elle est rapidement déployable au sein des équipes et, par comparaison avec l’intelligence artificielle, nécessite moins de données pour développer les jumeaux numériques.

Cette méthode est donc applicable à toutes les étapes de R&D, notamment en phase clinique où les données sont moins abondantes et ainsi adresser des problématiques de rechute ou des cancers rares, notamment en oncologie pédiatrique.