IRIC – Institut de recherche en immunologie et en cancérologie de l’Université de Montréal

Publié le 13 September 2019

Une équipe de recherche internationale a développé une nouvelle stratégie permettant de prédire les effets cliniques possibles de nouvelles molécules thérapeutiques à partir de réponses cellulaires très simples. Cette découverte représente une opportunité de taille dans la conception de médicaments plus efficaces et mieux tolérés, et ce, bien plus rapidement qu’auparavant. Les résultats de leurs travaux sont publiés aujourd’hui dans la revue Nature Communications.

L’équipe, composée entre autres de Besma Benredjem, co-première auteure, étudiante au doctorat en pharmacologie à l’Université de Montréal, Graciela Piñeyro, co-auteure principale de l’étude, chercheuse au Centre de recherche du CHU Sainte-Justine et professeure titulaire au Département de pharmacologie et physiologie de l’Université de Montréal, ainsi que Michel Bouvier, co-auteur principal, chercheur principal en pharmacologie moléculaire et directeur général à l’IRIC, avait pour ambition de trouver un moyen de classer un grand nombre de médicaments candidats en fonction de leurs similarités d’efficacité pour induire une multiplicité de réponses cellulaires qui permettent d’identifier l’activité thérapeutique de nouvelles molécules. Pour ce faire, ces derniers ont collaboré avec le Dr Olivier Lichtarge du Baylor College of Medicine qui utilise des analyses bio-informatiques poussées pour comparer et grouper les ligands selon des profils de signalisation assez complets.

Les médicaments produisent leurs actions cliniques souhaitées ou non désirées en modifiant les signaux de base dans les cellules. En regroupant les médicaments ayant des actions cliniques connues et les nouveaux ligands, il est donc possible de déduire les actions cliniques des nouvelles molécules à partir de leurs similitudes ou différences de signalisation avec les médicaments connus de manière à favoriser les réponses cliniques souhaitées et à éviter les effets secondaires.

L’analyse a été développée en utilisant des antalgiques opioïdes comme prototypes. Ce faisant, l’équipe a pu associer des signaux cellulaires simples produits par des opioïdes analgésiques tels que l’oxycodone, la morphine et le fentanyl, à la fréquence à laquelle la dépression respiratoire et d’autres effets indésirables étaient rapportés au programme de pharmacovigilance de la Food and Drug Administration. Au plus fort de l’épidémie d’opioïdes, alors que le risque de décès par dépression respiratoire est à son plus haut niveau, l’équipe croit que cette nouvelle stratégie analytique favorisera le développement d’analgésiques opioïdes plus sûrs.

Cette découverte pourrait permettre d’accélérer le processus de découverte de médicaments pour le transférer plus rapidement vers la clinique au bénéfice des patients.

À propos de l’étude

L’article « Exploring use of unsupervised clustering to associate signaling profiles of GPCR ligands to clinical response » a été publié dans la revue Nature Communications le 9 septembre  2019. L’étude a été faite en collaboration avec Pfizer inc. et financée par le Conseil de recherches en sciences naturelles et en génie du Canada, les Instituts de recherche en santé du Canada, le National Institutes of Health, les Fonds de recherche du Québec – Santé et Mitacs Globalink.