Épigenetique des maladies auto-immunes : méta-analyse de la littérature par intelligence artificielle

Introduction Le nombre croissant de publications dans le domaine de l’immunologie souligne la necessite d’un filtrage automatique des publications afin d’extraire rapidement les informations integrees dans ce corpus de litterature scientifique. Patients et methodes Pour effectuer une revue systematique de la litterature, nous avons utilise BIBOT, un logiciel de traitement du langage naturel developpe autour d’approches d’apprentissage automatique [1] , [2] , pour analyser automatiquement les etudes sur les aspects epigenetiques des maladies auto-immunes. Nous avons fourni les mots-cles suivants a BIBOT : « Mecanisme epigenetique » et « Maladies auto-immunes ». Resultats En utilisant ces mots-cles comme demande d’utilisateur, 307 articles ont ete identifies comme candidats potentiels a partir de la base de donnees PubMed par le programme. Parmi eux, 162 se referaient a des maladies auto-immunes et 240 a differents mecanismes epigenetiques. L’intersection de ces deux ensembles etait composee de 122 articles. Une analyse approfondie des articles selectionnes a revele 211 cibles bien etablies de mecanismes epigenetiques dans les maladies auto-immunes. Nous avons extrait ces cibles, leur maladie associee et leurs mecanismes associes. Parmi notre selection d’articles, nous avons observe une forte proportion d’etudes concernant le lupus, la methylation et les mecanismes d’ARN non codants ( Tableau 1 ). Nous avons ensuite detaille les mecanismes identifies (methylation, miRNA, etc.), par cible (CD40L, CD70, IFN, etc.) et par pathologie (lupus, polyarthrite rhumatoide, etc.). Conclusion Notre traitement du langage naturel a permis de decrire les tendances generales dans les publications et a fourni un fichier de donnees contenant des meta-informations sur chacune des publications selectionnees sur l’epigenetique.