L'apprentissage profond et l'électrophysiologie font avancer le criblage de médicaments sur organoïdes
De nouvelles technologies améliorent le criblage d'organoïdes pour le développement de médicaments, notamment un cadre d'apprentissage profond guidé par la physique pour la quantification et un système automatisé d'électrophysiologie pour l'analyse fonctionnelle.
Deux développements récents visent à accélérer l'utilisation d'organoids dérivés de patients dans la découverte de médicaments : un cadre d'apprentissage profond guidé par la physique pour quantifier les réponses des organoïdes et un système automatisé pour mesurer l'activité électrophysiologique en temps réel dans des cultures neurales 3D.
Une étude publiée dans npj Digital Medicine présente DICE-2DSeg, un cadre amélioré par graphes qui combine une cohérence intratissulaire inspirée de l'OCT (tomographie par cohérence optique) avec une agrégation inter-tissulaire par graphes. Validé sur 93 volumes couvrant divers types de cancers et médicaments, le variant haut débit atteint un gain de vitesse de 14 par rapport à nnUNet3D tout en conservant 93,65 % de sa précision. Il établit un nouvel état de l'art pour les résidus sensibles aux médicaments compris entre 0 et 100 micromètres et maintient une fidélité élevée pour les amas de plus de 100 micromètres.
Diagnostic Biochips a développé SomaFocus, un système automatisé qui insère des sondes en silicium ultra-fines dans des organoïdes intacts pour mesurer l'activité électrophysiologique en temps réel. La technologie génère des données sur la décharge neuronale coordonnée et la dynamique des réseaux, souvent invisibles pour les tests purement structurels ou moléculaires. SomaFocus est principalement conçu pour les organoïdes cérébraux, sphéroïdes et assembloïdes, mais fonctionne également avec des organoïdes intestinaux, rétiniens et cutanés.
Les organoïdes sont des modèles génétiquement programmables qui préservent les caractéristiques clés des tissus des patients, offrant des opportunités pour la modélisation de maladies, la validation de cibles, la découverte de biomarqueurs et l'évaluation thérapeutique. Cependant, des défis subsistent, notamment la variabilité entre organoïdes, leur état de maturation et la nécessité de mesures fonctionnelles plus performantes.
Les travaux sur DICE-2DSeg ont été soutenus par plusieurs programmes de recherche chinois et ont utilisé des échantillons d'organoids et des ressources informatiques de Regenovo Ltd. Le système SomaFocus est conçu pour répondre aux besoins d'automatisation des chaînes de découverte de médicaments.