Les chercheurs ont développé une nouvelle technique d’apprentissage automatique pour classer avec précision l’état des macrophages, qui sont des cellules immunitaires clés.
Il est important de classer les macrophages car ils peuvent modifier leur comportement et agir comme agents pro- ou anti-inflammatoires dans la réponse immunitaire. La technique d’apprentissage automatique développée par le Trinity College de Dublin soutiendra les recherches futures et pourrait avoir un impact majeur sur les soins de santé et la société.
La recherche a été publiée dans la principale revueeLife.
Qu’est-ce que l’apprentissage automatique ?
Selon leUniversité d’York, l’apprentissage automatique est une branche de l’intelligence artificielle (IA) et de l’informatique. Il utilise un algorithme qui reproduit la façon dont les humains apprennent et peut organiser de grandes quantités de données en peu de temps.
Les algorithmes d’apprentissage automatique sont généralement écrits pour rechercher des thèmes récurrents et repérer des anomalies, et se concentrer sur l’amélioration de la précision des prédictions.
Classification des cellules immunitaires clés
Cette nouvelle approche pourrait être utile aux sociétés pharmaceutiques qui cherchent à créer des traitements pour des maladies ciblées et des maladies auto-immunes telles que le diabète et le cancer, qui sont toutes affectées par le métabolisme cellulaire et la fonction des macrophages.
L’importance de la classification des macrophages est qu’elle permet aux scientifiques de distinguer directement les états des macrophages, qui ne sont basés que sur leur réponse métabolique dans certaines conditions. Ces informations pourraient être utilisées comme outil de diagnostic ou pour montrer le rôle des types de cellules dans un environnement pathologique.
Le point de repère a utilisé des macrophages humains dans des expériences et a été dirigé par Michael Monaghan, professeur agrégé en génie biomédical à Trinity. Les travaux ont réuni des ingénieurs biomédicaux, des informaticiens et des immunologistes. Le professeur Monaghan commente :
« Actuellement, il n’existe aucune autre méthode qui utilise des approches d’apprentissage automatique basées sur l’intelligence artificielle pour la classification des macrophages. Plusieurs techniques différentes sont actuellement utilisées pour classer les macrophages, mais toutes présentent des inconvénients importants.
«Notre méthode utilise un microscope d’imagerie à durée de vie à fluorescence à 2 photons (2P-FLIM), qui est unique à Trinity et à l’Irlande. 2P-FLIM ne nécessite pas de prétraitement de l’échantillon, peut être utilisé pour suivre les changements du métabolisme de manière non invasive et en temps réel – ce qui ouvre la porte au suivi de la progression de la maladie et/ou de la réponse physiologique aux thérapies – et il nécessite également une plus faible nombre de cellules par rapport aux techniques conventionnelles.
Nuno Neto, doctorant à la School of Engineering, a ajouté : « Il devient de plus en plus clair que pour résoudre bon nombre des plus grands problèmes de société, nous devons adopter des approches multidisciplinaires pour exploiter l’expertise des personnes travaillant dans différents domaines.
« Trinity est à juste titre connue comme un chef de file de la recherche sur l’immunométabolisme, nombre de nos scientifiques se concentrant sur la façon dont elle régule la réponse des cellules immunitaires et sur l’impact du métabolisme des cellules immunitaires dans les maladies. Cette étude bénéficie de cette expertise, mais relie également l’utilisation d’approches informatiques avancées et utilise un microscope avancé du département de génie biomédical avec un régime jamais signalé auparavant. C’est donc un excellent exemple de collaboration interministérielle dans un domaine multidisciplinaire.
