Cage-to-Code : De l'expérimentation animale à la découverte de médicaments pilotée par l'IA

Malgré les progrès rapides en biologie computationnelle et les réformes réglementaires encourageant la réduction de l'utilisation des animaux, une synthèse claire de la façon dont la polypharmacologie pilotée par l'intelligence artificielle (IA) peut fonctionner comme un pont scientifique et éthique entre la pharmacologie in vivo traditionnelle et le développement de médicaments pertinents pour l'humain fait encore défaut. Le passage de l'expérimentation en cage à la modélisation prédictive basée sur le code présente à la fois des opportunités et des défis non résolus en matière d'interprétation biologique, d'acceptation réglementaire et d'éducation en pharmacologie. Par conséquent, cette revue vise à examiner de manière critique la transition vers la découverte de médicaments centrée sur l'humain habilitée par l'IA dans le cadre des principes des 3R (Remplacement, Réduction et Affinement). Spécifiquement, elle explore (i) les moteurs réglementaires et éthiques mondiaux accélérant les méthodologies sans animaux, (ii) les lacunes scientifiques et éducatives découlant de la réduction de la dépendance aux modèles animaux et (iii) le rôle de l'IA et de l'apprentissage en profondeur dans la reconstruction de la complexité biologique à travers l'intégration multi-omique et la modélisation de la toxicité prédictive. En analysant les plateformes d'IA émergentes et les stratégies computationnelles, cette revue souligne comment la polypharmacologie pilotée par l'IA peut offrir un cadre évolutif, éthique et axé sur la précision pour la recherche pharmacologique future.