Identification de cibles thérapeutiques et repositionnement de médicaments contre la COVID-19 par l’analyse de réseaux d’interactions entre protéines, médicaments, pathologies et symptômes

Ces dernières années ont vu l’essor du domaine de la médecine de réseau, une discipline qui vise à exploiter les réseaux et leur analyse pour décrire et comprendre les relations complexes entre les processus biologiques, les médicaments, les phénotypes et, en fin de compte, les maladies.

Jamais auparavant cette approche n’a été aussi pertinente pour la communauté médicale mondiale, afin de trouver un remède à une nouvelle maladie apparaissant soudainement faisant rapidement des victimes.

COVID-19, la maladie causée par l’infection par le virus du SRAS-CoV-2, a été officiellement référencée en janvier 2020 et, depuis lors, le rythme de la science a dépassé ce que nous pensions possible. Très rapidement, des données sur les patients ont commencé à être collectées et des centaines de traitements ont été essayés, certains avec plus de succès que d’autres, mais aucun d’entre eux n’a pu éviter de nombreux décès. Malgré la létalité de cette maladie, et la perspective optimiste de disposer d’un vaccin, le stress que le traitement de ces patients impose aux systèmes de santé et les nombreuses inconnues concernant la pathologie exacte créée par ce virus contribuent à faire de cette maladie le plus grand défi médical de ces derniers temps.

Il est donc intéressant de voir si tous les outils qui ont été développés dans la médecine de réseau pour d’autres maladies nous aideront à mieux comprendre le COVID-19 et à trouver de meilleures options thérapeutiques.

Le travail publié présente CovMulNet19, une base de données contenant toutes les interactions connues et disponibles impliquant les protéines du SARS-CoV-2, les protéines humaines ciblées par le SARS-CoV-2, les pathologies et symptômes associées ainsi que les médicaments pouvant potentiellement les cibler.

Nous avons utilisé des méthodes d’analyse de réseau afin d’identifier les maladies présentant une similarité avec la COVID-19 et les médicaments potentiellement efficaces.

Nos résultats montrent que les maladies les plus similaires à la COVID-19 font partie des prédispositions ayant été signalées comme facteurs de risque des formes sévères de la COVID-19, incluant des pathologies intestinales, hépatiques, neurologiques ainsi que d’autres affections respiratoires.

Cette étude démontre que la base CovMulNet19 peut être utilisé en tant qu’outil d’exploration pour la recherche de cibles thérapeutiques ou le repositionnement de médicaments, par l’analyse des protéines humaines ciblées par le SARS-CoV-2, leurs interactions, ainsi que les pathologies et les symptômes qui y sont associés.

Collaborations et remerciements

Cette étude est une collaboration avec Manlio De Domenico et Giuseppe Jurman de la fondation Bruno Kessler Foundation à Trento, Italie.

Les auteurs remercient l’INSERM, la Fondation Toulouse Cancer Santé et l’Institut de Recherche Pierre Fabre en tant que Chaire de Bioinformatique en Oncologie du CRCT ainsi que le programme BioInfo4Women du Barcelona Supercomputing Center.

Une image

CovMulNet19: Réseau d’interactions génotype-phénotype-médicament de la COVID-19. (A) Description des différents types de nœuds et des interdépendances entre les différentes couches du réseau correspondant aux maladies, symptômes, médicaments, termes GO (Gene Ontology), protéines humaines et protéines virales. (B) Carte des interactions structurales (par exemple, protéine-protéine) et des interdépendances fonctionnelles (par exemple, protéine-maladie, protéine-terme GO, ou maladie-symptôme). Au total, le réseau d’interactions comprend 1999 liens protéine-protéine, 19’755 liens protéine-maladie, 10’152 liens protéine-symptôme, 13’018 liens médicament-protéine, 9’210 liens protéine-terme GO et 3’056 liens maladie-symptôme. https://covmulnet19.fbk.eu/