AI4scMED

La médecine de précision en cellules uniques (single cells, sc) a le potentiel de révolutionner la recherche biomédicale.  La multi-omique sc permet, par exemple, d’obtenir des portraits moléculaires de cellules individuelles et d’identifier des biomarqueurs prédictifs de la trajectoire d’une maladie. Pour développer ce potentiel, il est nécessaire de mieux comprendre et intégrer la variabilité multi-échelles de la plupart des maladies. La compréhension des processus multi-échelles régissant les trajectoires des cellules vers un état pathologique et sa traduction en un  traitement plus performant nécessitent l’exploitation d’informations hétérogènes, pour laquelle de nouveaux outils fondés sur l’IA sont nécessaires.

Le projet « IA multi-échelle pour une médecine de précision en cellules uniques » s’attaquera à de nouveaux défis méthodologiques pour combler le fossé entre les données issues de la médecine de précision en cellules uniques et l’avènement des traitements personnalisés. Les données sc peuvent identifier les effets confondants des différents types de cellules en fournissant des mesures des caractéristiques du génome au niveau des cellules individuelles. L’intégration de données sc-multi-omiques a déjà permis de montrer l’hétérogénéité de certaines pathologies. Combinées à l’analyse d’images, les données moléculaires sc peuvent être intégrées à l’échelle cellulaire pour étudier la compartimentation et la spatialisation des événements de signalisation. Le projet s’intéressera au développement de nouvelles méthodes d’intelligence artificielle destinées à traiter, intégrer, analyser et visualiser la complexité multi-échelle qui caractérise les maladies permettra de mieux appréhender la complexité du corps humain. Il s’appuiera pour cela sur des avancées de pointe en IA permettant de déchiffrer la géométrie complexe des ensembles de données génomiques sc.

Les contributions de la génomique sc à la santé nécessitent des modèles multi-échelles pour déduire les mécanismes causaux régissant l’évolution vers la maladie à différents niveaux. Les méthodes développées au sein de ce projet tiendront compte des défis spécifiques que présentent les données sc (dimensionnalité, faux négatifs). En outre, différents types de modélisation (causale, logique et stochastique) seront combinés afin de relever les défis que constituent la faible disponibilité de perturbations systématiques et la difficulté à identifier les effets causaux.

Autre objectif de ce projet : la production de méthodes d’inférence de réseaux pour la caractérisation des mécanismes moléculaires qui sous-tendent les comportements phénotypiques d’un échantillon clinique. Ces nouvelles méthodes permettront d’identifier des cibles moléculaires pour contrôler l’état pathologique. Les réseaux déduits seront ensuite étudiés pour identifier les gènes ayant un rôle clé dans les échantillons cliniques analysés ou pour prédire l’impact des interventions thérapeutiques dans un échantillon clinique.

Enfin, un défi pour la médecine de précision consiste à intégrer les différents niveaux de variabilité qui régissent la prise de décision cellulaire, un processus dynamique multi- échelle qui associe les réseaux de signalisation à la trajectoire cellulaire et à une organisation au niveau du tissu. Un changement de paradigme est nécessaire pour considérer la maladie comme un état stochastique qui pourrait être prédit, perturbé et contrôlé. La capacité de prédiction pour décrire toute trajectoire vers la maladie nécessite le couplage de la dynamique intracellulaire et biochimique avec la dynamique de la population cellulaire.

Relever ce défi nécessite de concilier différents formalismes mathématiques et d’intégrer des connaissances biologiques hétérogènes pour représenter dans un cadre commun des processus biologiques décrits à des échelles spatiales et temporelles très contrastées. L’ambition du projet « IA multi-échelle pour une médecine de précision en cellules uniques » est de construire des modèles prédictifs exécutables, à terme des jumeaux numériques, afin de fournir des solutions pilotées par les données pour la mise en œuvre de traitements personnalisés ciblés basés sur le contrôle de la décision du destin cellulaire.