2024-04-05 00:13:30
Pour beaucoup, les mathématiques n’existent que dans les limites d’un tableau noir, d’une calculatrice ou d’un manuel. Mais demandez à Javier Arsuaga et il vous dira que les mathématiques existent en nous, jusque dans notre ADN.
“La biologie est très, très compliquée et différents domaines des mathématiques peuvent être appliqués pour résoudre différents types de problèmes en biologie moléculaire”, a déclaré Arsuaga, professeur titulaire de nominations conjointes au Département de mathématiques et au Département de biologie moléculaire et cellulaire. « Pouvons-nous développer des modèles mathématiques qui rendent la biologie plus prédictive ? C’est là que la richesse des mathématiques entre en jeu. »
L’étude de notre enchevêtrement en constante évolution d’un génome s’appelle la topologie. Arsuaga exploite ce domaine des mathématiques en tandem avec l’apprentissage automatique et la modélisation informatique pour étudier comment des maladies, comme le cancer du sein, se propagent.
“Vous êtes autorisé à étirer l’ADN, vous êtes autorisé à le plier, vous êtes autorisé à l’enrouler autant que vous le souhaitez, mais vous n’êtes pas autorisé à le casser”, a déclaré Arsuaga. “Chez l’homme, la perturbation de la structure 3D du génome est la signature d’agents endommageant l’ADN et a été associée à un large éventail de maladies, dont le cancer.”
Applications du résumé
La fascination d’Arsuaga pour l’intersection des mathématiques et de la biologie remonte à ses années à l’Université de Saragosse en Espagne.
En tant qu’étudiant en mathématiques, il était fasciné par la nature abstraite du sujet, mais à mesure qu’il se rapprochait de la poursuite d’un doctorat, son ton a changé. Il a découvert les travaux de De Witt Sumners, professeur distingué de mathématiques et membre de l’Institut de biophysique moléculaire de la Florida State University. Sumner a été le pionnier de l’application de la théorie des nœuds – l’étude des courbes fermées tridimensionnelles et de leurs déformations – pour mieux comprendre la structure de l’ADN.
«Cela a changé la trajectoire de ma carrière parce que cela a vraiment éveillé mon intérêt pour la biologie moléculaire et ses liens avec les mathématiques abstraites», se souvient Arsuaga.
Une fois le cursus identifié, Arsuaga a obtenu un doctorat. en mathématiques de la Florida State University. Parallèlement, il a mené des recherches sur les nuances de l’empaquetage de l’ADN dans les virus bactériens et a développé des techniques de laboratoire humide pour améliorer la résolution des molécules d’ADN nouées, entre autres projets.
Après avoir obtenu son doctorat, Arsuaga a passé cinq ans à mener des travaux postdoctoraux à l’UC Berkeley et à l’Université de Californie à San Francisco, au Helen Diller Family Comprehensive Cancer Center. Durant cette période, il découvre les aberrations chromosomiques, qui sont des altérations morphologiques ou numériques pouvant conduire au cancer.
Le travail a jeté les bases de la recherche sur le cancer d’Arsuaga à l’UC Davis.
Fibres de stress et microtubules dans les cellules cancéreuses du sein humain. (Institut National du Cancer)
Identifier les gènes cancéreux
À UC Davis, Arsuaga et ses collègues utilisent l’analyse de données topologiques pour identifier les gènes qui conduisent au développement de différents types de cancer du sein.
“Il existe quatre sous-types principaux de cancer du sein : luminal A, luminal B, de type basal et HER 2”, a expliqué Arsuaga. « Les patients de différents sous-types reçoivent des traitements différents, ce qui en fait des maladies différentes. »
Bien que les traitements varient, les causes sous-jacentes de ces quatre sous-types de cancer du sein sont similaires. Ce sont des maladies caractérisées par une croissance cellulaire incontrôlée, généralement régulée par différents oncogènes et gènes suppresseurs de tumeurs.
« Les oncogènes sont comme l’accélérateur d’une voiture. Cela fait avancer le cycle cellulaire », a déclaré Arsuaga. “Et les gènes suppresseurs de tumeurs sont comme un frein qui empêche la poursuite du cycle cellulaire.”
Les aberrations chromosomiques perturbent ce processus, conduisant à un environnement cellulaire compétitif dans lequel les oncogènes sont amplifiés et les gènes suppresseurs de tumeurs sont supprimés. En fin de compte, cette interaction génétique favorise la croissance tumorale.
“Nous avons affiné la théorie de l’analyse des données topologiques pour identifier ces amplifications et délétions à travers le génome pour différents sous-types de cancer afin d’espérer identifier les informations génétiques que d’autres groupes de recherche auraient pu manquer”, a déclaré Arsuaga. “Une fois que vous avez détecté ces amplifications et délétions, vous pouvez approfondir cette région du génome et voir quels gènes se trouvent dans cette région particulière.”
En étudiant les génomes de plusieurs patientes atteintes d’un cancer du sein, Arsuaga et ses collègues espèrent identifier les gènes qui conduisent au développement de différents cancers du sein. Si des gènes communs sont identifiés chez les patientes présentant un sous-type spécifique de cancer du sein, l’espoir est que ces informations puissent conduire à de meilleurs traitements.
Des ensembles de données aussi volumineux ne servent pas seulement à éclairer les recherches d’Arsuaga sur les causes du cancer du sein. Cela éclaire également son travail visant à prévenir de futures pandémies.
Arsuaga et une équipe interdisciplinaire de chercheurs ont développé un modèle d’intelligence artificielle capable d’identifier le coronavirus qui pourrait « se propager » des animaux aux humains. (Visualisation du coronavirus par Fusion Medical Animation)
Le paysage mutationnel du coronavirus
Pendant la pandémie de COVID-19, les chercheurs ont été en première ligne pour atténuer la propagation du virus SARS-CoV2. À la suite de la pandémie, Arsuaga et une équipe interdisciplinaire de chercheurs ont développé un modèle d’intelligence artificielle capable d’identifier les coronavirus qui pourraient « se propager » des animaux aux humains.
Lorsqu’une séquence de coronavirus est introduite dans un modèle d’apprentissage profond, le modèle produit un potentiel de liaison humain, ou la probabilité de la capacité de la protéine de pointe du virus à se lier aux cellules humaines.
“Nous avons identifié trois virus différents dont on ne savait pas qu’ils se liaient aux récepteurs humains”, a déclaré Arsuaga.
L’équipe a ensuite effectué des simulations de dynamique moléculaire qui ont permis d’élucider comment une telle liaison pouvait se produire. Arsuaga travaille maintenant avec Priya Shah, professeur adjoint au département de génie chimique et au département de microbiologie et de génétique moléculaire de l’UC Davis, pour mener des travaux expérimentaux en laboratoire qui confirment ce qu’ils ont vu du côté théorique. De telles recherches pourraient contribuer à prévenir ou à atténuer de futures pandémies en permettant aux chercheurs de développer des vaccins avant qu’un virus ne se propage.
“C’est le pouvoir de l’apprentissage automatique”, a déclaré Arsuaga. “Nous vivons une révolution au niveau des données et de leur génération, de l’informatique et de la génération d’algorithmes.”
#Comment #les #mathématiques #informent #biologie #moléculaire
1712272442
