Médecine en réseau pour identifier les mécanismes pathologiques et les traitements

L’objectif de ce projet est d’utiliser l’intégration des données et l’analyse des réseaux pour découvrir les mécanismes des maladies et les traitements potentiels.

  • Wenzhong Xiao, PhD
  • Jingcheng Yang, PhD
  • Li-Yuan Hung / Chanshuo Wu, PhD
  • Martha Eckey, Pharm D
  • Peng Li, PhD
  • Gonghua Li, PhD
  • Feifei Han, PhD
Hypothèse et description de l'étude

Les réseaux basés sur la connaissance des maladies reflètent la compréhension actuelle des maladies entre les phénotypes/symptômes cliniques, les médicaments, les génotypes et d’autres interactions moléculaires.

En appliquant les réseaux de connaissances biomédicales pour intégrer les phénotypes cliniques et les signatures moléculaires de l’EM/SFC, nous espérons découvrir des modules de gènes pathologiques et classer par ordre de priorité les médicaments candidats à la réorientation pour soulager les symptômes et la progression de la maladie.

DÉROULEMENT DE L'ÉTUDE

Deux chercheurs dans un laboratoire regardent des écrans d'ordinateur

  1. Développer une base de connaissances sur les études et la carte gène-maladie-symptôme de l’EM/SFC accessible à la communauté des chercheurs par l’intermédiaire du Centre de données sur l’EM/SFC.
  2. Mener une méthode de réseaux hétérogènes d’apprentissage profond/ deep-learning pour la médecine de réseau (MINDR) afin de découvrir des modules de maladie et d’identifier des cibles médicamenteuses.
  3. Grâce à l’analyse informatique, identifier les modules moléculaires sous-jacents à l’EM/SFC et prioriser les molécules de médicaments in silico pour le repositionnement dans l’EM/SFC.
  4. Valider les meilleurs candidats par l’évaluation de leurs effets rapportés dans des données de patients en situation réelle et recommander au moins deux médicaments comme candidats pour des essais cliniques pilotes.
  • Nous avons identifié des maladies similaires à l’EM/SFC et les gènes clés impliqués.
  • Nous avons identifié des gènes cibles pour la modulation et étudions actuellement les preuves issues de modèles animaux précliniques et les preuves concrètes issues des dossiers médicaux électroniques et des résultats auto-déclarés par les patients.
  • Nous avons mené une enquête auprès d’environ 4 000 patients atteints d’EM/SFC et de COVID longue sur les résultats auto-déclarés de plus de 150 traitements. Un article a été publié : Eckey, M., et al. (2025). Résultats des traitements rapportés par les patients atteints d’EM/SFC et de COVID longue. PNAS. 122(28) : e2426874122. doi : 10.1073/pnas.2426874122
  • Nous avons identifié des traitements candidats et discutons actuellement avec des partenaires et collaborateurs potentiels de la poursuite des essais cliniques et des études précliniques.
  • Nous continuons à réentraîner le modèle à mesure que de nouvelles données apparaissent et identifions les changements apportés aux résultats du modèle sur la base de ces nouvelles informations.