Webinar's content

Au cours de ce webinaire, Philippe Moingeon, Anna Niarakis, Anne-Sophie Beignon et Vincent Deman présenteront les dernières avancées dans le développement de jumeaux numériques du système immunitaire et la modélisation de sa réponse dans différents contextes biologiques (pathologie, vaccination...) :

Jumeaux numériques et médecine de précision appliquée aux maladies du système immunitaire (P. Moingeon) :

Les applications de l’intelligence artificielle (IA) et l’apprentissage automatique seront discutées en soutien du développement de nouveaux traitements pour les maladies du système immunitaire. Le taux d’échec actuel très important dans la mise au point de nouveaux médicaments (plus de 93% notamment dans la phase de développement) invite à mettre en question les décisions prises lors des phases de conception. Les applications intéressantes de la modélisation computationnelle concernent dans ce contexte tout particulièrement la sélection d’une cible thérapeutique pertinente, le choix d’un bon candidat médicament, ainsi que l’identification des patients les plus à même de bénéficier du candidat-médicament. Les approches basées sur des jumeaux numériques sont à cet égard utiles pour représenter l’hétérogénéité d’une maladie à partir de données de profilage moléculaire multiomique, identifier des cibles thérapeutiques impliquées dans la causalité des maladies, et évaluer des candidat-médicaments médicaments sur des patients virtuels.

Construire un jumeau numérique pour la polyarthrite rhumatoïde - Science ou science-fiction ? (A. Niarakis) :

La polyarthrite rhumatoïde est une maladie auto-immune qui déclenche une inflammation articulaire à multiples facettes. Les traitements conventionnels par anticorps s'avèrent inefficaces dans environ 40 % des cas. Notre travail se concentre sur la construction d'une « articulation numérique » dynamique, visant à simuler la progression de la maladie, les diverses réponses au traitement et les risques potentiels associés aux nouvelles thérapies pharmaceutiques. Nous avons construit une représentation articulaire multicellulaire en exploitant des données omiques en masse et à cellule unique et des techniques de modélisation basées sur la logique, capturant de manière complexe les interactions entre les cellules immunitaires et résidentes, les processus d'inflammation et l'intégrité du cartilage. Nous avons réussi à construire l'un des modèles multicellulaires les plus complets (> 1 000 biomolécules), actuellement en cours d'évaluation par les pairs. Le modèle multicellulaire de l'articulation de la PR est le fruit de nombreuses années de travail sur la modélisation de la PR, et d'une collaboration avec Sanofi R&D, Paris. Les efforts en cours visent à enrichir le modèle PR avec davantage de types cellulaires en développant un modèle hybride basé sur des agents et des méthodes pour corréler les données in silico avec l'imagerie biomédicale du patient, fournissant ainsi un pont critique entre les modèles simulés et les observations cliniques du monde réel.

Modélisation des réponses vaccinales (A-S. Beignon et V. Deman) :

Les travaux de recherche génèrent de vastes connaissances qui contribuent l’amélioration de notre compréhension des systèmes biologiques qui sont des structures complexes. Soutenus par les progrès informatiques récents, les systèmes biologiques peuvent désormais être convertis en modèles informatifs qui récapitulent les observations expérimentales, permettent d'identifier des mécanismes d'intérêt, et de les cibler et moduler leur activité in silico. Parmi les nombreuses approches de modélisation, le formalisme booléen simplifie ces systèmes en se concentrant sur leurs changements qualitatifs. Nous avons conçu une méthodologie computationnelle pour construire et analyser des réseaux booléens combinant des connaissances existantes et des données expérimentales (Deman et al., 2024). Nous l'avons appliquée à la modélisation de la réponse immunitaire induite par le Modified Vaccinia Ankara (MVA), le vaccin contre la variole et Mpox également autorisé comme vecteur vaccinal contre Ebola. Nous avons obtenu un réseau récapitulant les observations expérimentales, y compris dans des conditions perturbées non-utilisées pour construire le modèle, ce qui le valide ainsi que notre stratégie de modélisation par extension. En comparant les réseaux booléens de la réponse induite par le MVA et par le vaccin de référence YF17D contre la fièvre jaune, l’un des vaccins les plus efficaces jamais développés empiriquement, nous avons identifié des axes d'amélioration du MVA, que nous avons évalué in silico. Notre méthodologie démontre la pertinence du formalisme booléen en vaccinologie des systèmes. Elle représente un outil prometteur pour accélérer le développement des vaccins, tout en contribuant à réduire l’expérimentation animale. Les simulations de perturbations sont complémentaires des études in vitro et in vivo pour mieux comprendre les mécanismes immunologiques des vaccins, formuler des hypothèses mécanistiques, identifier, évaluer et classer des stratégies d’intervention à confirmer expérimentalement pour améliorer les réponses immunitaires aux vaccins et personnaliser les vaccins à des groupes de personnes partageant les mêmes caractéristiques immunologiques liées par exemple à l’âge, ou à l’état de santé.

Speakers

Anna Niarakis
Chef d'équipe et Professeur titulaire de biologie computationnelle des systèmes à l'Université Toulouse III-Paul Sabatier

Le Dr Anna Niarakis est professeur titulaire de biologie computationnelle des systèmes à l'Université Toulouse III-Paul Sabatier, affiliée au Centre de biologie intégrative et au Laboratoire de dynamique moléculaire et cellulaire. Elle est également collaboratrice externe du Groupe Lifeware, INRIA-Saclay, suite à une delegation de 4 ans.
Le Dr Niarakis possède une vaste formation scientifique en biochimie, biologie, technologie pharmaceutique et des études postdoctorales en biologie computationnelle des systèmes et bioinformatique (ENS, Paris, Institut Gustave Roussy) avec une expertise dans les maladies humaines complexes, en particulier les maladies auto-immunes. Elle est co-responsable du consortium Disease Maps et leader du groupe de travail « Building Immune Digital Twins », soutenu par Research Data Alliance Europe.
Elle est l'instructrice principale et l'organisatrice du cours avancé du Wellcome Trust « Biologie des systèmes informatiques pour les maladies humaines complexes : des représentations statiques aux représentations dynamiques des mécanismes de la maladie », à Hinxton, Cambridge, UK.

Linkedin profile

Anne-Sophie Beignon
Directrice de recherche

Anne-Sophie Beignon est titulaire d'un doctorat en biologie cellulaire et moléculaire de l'Université Louis Pasteur (Strasbourg, France). Elle est immunologiste des vaccins, directrice de recherche au CNRS et responsable d’un groupe de recherche à l'U1184 IMVA-HB/IDMIT (CEA, INSERM, Université Paris Saclay)

Linkedin profile

Vincent Deman
Doctorant en biologie computationnelle des systèmes

Vincent Deman est titulaire d'un Master en modélisation et simulation computationnelles de l'ENSTA Paris – Institut Polytechnique de Paris en 2021. Il poursuit un doctorat en biologie computationnelle des systèmes à l'U1184 IMVA-HB/IDMIT (CEA, INSERM, Université Paris Saclay) en collaboration avec la branche sciences de la vie de Dassault Systèmes, BIOVIA, sous la direction de d’Anne-Sophie Beignon

Linkedin profile

Back