Rejoignez-Nous sur

16 Problèmes ouverts en biologie de l'ingénierie

16 Open Problems

News

16 Problèmes ouverts en biologie de l'ingénierie

Depuis des générations, le domaine de la biologie a été largement défini par ses découvertes. Maintenant, parce que de nombreux aspects cruciaux de la biologie ont amorcé la transition d'une science empirique à une discipline d'ingénierie, le pendule passe de «Que pouvons-nous découvrir?» à «Que pouvons-nous résoudre?». Nulle part cela n’est peut-être plus évident que dans la réponse collective de la communauté scientifique mondiale pour lutter contre une pandémie mondiale – qui nous pousse encore plus loin dans l’une des périodes les plus prolifiques du monde de la bio en matière de développement scientifique et commercial que nous ayons jamais vu.

Alors que notre boîte à outils d'ingénierie en bio se développe pour être plus puissante que jamais, et que l'infrastructure pour fournir, produire et faire évoluer ces solutions devient de plus en plus en ligne, un tout nouveau monde de problèmes en biologie commence à se sentir accessible. Voici les 16 défis les plus importants et potentiellement les plus gratifiants que nous voyons venir dans le monde de la bio.

16 Open Problems

Parce que de nombreux aspects cruciaux de la biologie ont amorcé la transition d'une science empirique à une discipline d'ingénierie, le pendule passe de «Que pouvons-nous découvrir?» à «Que pouvons-nous résoudre?». Cliquez pour tweeter

Développement de médicaments d'ingénierie

Notre système de développement de médicaments a désespérément besoin d'être amélioré. Il en coûte en moyenne 2,6 milliards de dollars pour apporter un seul nouveau médicament au public – et les médicaments que nous développons ne fonctionnent que 5% du temps dans le corps humain. En fait, le coût de développement d'un nouveau médicament a doublé au cours de la dernière décennie, après La loi d'Eroom (Loi de Moore à l'envers). Ceci est en partie dû à la dépendance de longue date de l'industrie sur les tests empiriques et le travail hautement manuel; Ajoutez à ce risque scientifique, un paysage réglementaire complexe et la longue et précaire route des essais cliniques d'un nouveau médicament, et vous commencez à comprendre pourquoi les taux d'échec sont si élevés. Parmi les nombreux défis, en ce qui concerne la découverte et le développement de médicaments, nous devons 1) réduire les coûts de développement de la découverte; 2) augmenter l'efficacité des médicaments; et 3) accélérer la vitesse de ce processus laborieux. Il existe quelques moyens clés pour commencer à le faire.

1) Les souris ne sont pas des personnes (alias Better Models). Nous pouvons guérir beaucoup de choses chez les souris; seule une infime partie de ces remèdes apparemment puissants parvient aux humains. L’une des principales raisons à cela est que les systèmes modèles que nous utilisons pour tester les médicaments – que ce soit in vitro, chez les mammifères, ou même chez d'autres personnes, est, dans de nombreux cas, loin de la condition humaine d'origine. Vous et une souris êtes très différents; vous et le primate êtes encore différents; même vous et une autre personne êtes différents. Cette traduction imparfaite sévit dans l'industrie du développement de médicaments, en particulier dans les maladies complexes. Nous avons besoin de modèles de développement de médicaments meilleurs et plus sophistiqués qui puissent être prédictifs. Les défis mondiaux comme le COVID-19 mettent en évidence le besoin d'une modélisation prédictive précise qui peut considérablement rationaliser la R&D. Des améliorations pourraient provenir d'outils d'édition du génome qui nous permettent de créer des cultures cellulaires plus précises dérivées de patients ou de meilleurs modèles de souris qui imitent mieux les maladies humaines complexes. L'IA de pointe peut être utilisée en combinaison avec des données multidimensionnelles et des preuves du monde réel pour relier ces ensembles de données disparates, révélant des informations sur les maladies que nous n'aurions peut-être jamais vues autrement. De nouvelles méthodes de culture de cellules 3D qui prennent en compte la structure des tissus – comme les «organoïdes», ou peut-être même un jour des organes humains entièrement modélisés – pourraient potentiellement imiter la physiologie ou le microenvironnement d'une pathologie particulière. En fin de compte, nous considérerons tous ces modèles non pas chacun comme un point de données unique, mais comme un univers entier de fonctionnalités permettant de modéliser plus précisément les maladies.

2) Outils de mesure exponentielle. Vous ne pouvez concevoir que ce que vous pouvez mesurer. Les progrès massifs de la génomique et la chute exponentielle des coûts du séquençage de l'ADN ont transformé la biologie en une science des données. Mais la biologie humaine est un univers multidimensionnel de signaux enchevêtrés que la génomique ne peut que commencer à se rapprocher.

La prochaine génération d'outils dont nous avons besoin continuera à libérer notre capacité à comprendre la vie à un nombre croissant de dimensions biologiques (protéomique, épigénomique, métabolomique, etc.); à différentes résolutions dans une perspective spatiale (2D, 3D, 4D); précision (cellule unique, protéine, atome); format (image fixe vs vidéo dynamique); et la vitesse (débit plus élevé, en parallèle). Ajouter de nouveaux axes de mesure à cette liste, même des axes relativement imprécis (comme: frapper / ne pas frapper) peut encore être très puissant à grande échelle. Et différents axes peuvent être combinés pour débloquer des types d'analyses entièrement nouveaux (par exemple, transcriptomique spatiale à haut débit, microscopie cryoélectronique en temps réel). De la même manière que le séquençage de l'ADN de cellules individuelles nous a conduit à un nouvel univers de développement de médicaments, la prochaine génération de plates-formes et de techniques de criblage pour des dimensions biologiques supplémentaires nous permettra de traiter des cibles de maladie entièrement nouvelles.

De la même manière que le séquençage de l'ADN nous a conduit à un nouvel univers de développement de médicaments, la prochaine génération de plates-formes et de techniques de criblage pour des dimensions biologiques supplémentaires nous permettra de traiter des cibles de maladie entièrement nouvelles. Cliquez pour tweeter

3) Loi de Moore pour les essais cliniques. Si les essais cliniques représentaient 1 / 10e du coût ou du temps, nous aurions déjà guéri de nombreuses maladies apparemment insolubles. La pandémie mondiale dans laquelle nous nous trouvons actuellement fait ressortir l'importance massive de la vie et de la mort de transformer ces anciens paradigmes pour augmenter considérablement la vitesse d'obtention de nouveaux diagnostics, traitements et vaccins. Et ces essais deviennent de plus en plus coûteux à mesure que nos modalités thérapeutiques deviennent de plus en plus complexes. Même lorsque la biologie d'une maladie est simple et bien connue, l'économie du marché + le coût des essais empêche souvent l'industrie biopharmaceutique de développer un médicament qui pourrait autrement sauver des millions de patients.

Il existe de nombreux points d'entrée pour la technologie pour aider à repenser le système d'essais cliniques pour qu'il soit plus rapide, plus efficace et plus percutant avec moins: un logiciel qui peut automatiser le recrutement des patients et la mise en place des essais; une meilleure infrastructure pour la collecte de données sur les patients; armes de contrôle synthétiques qui utilisent des preuves du monde réel. Les nouvelles réalités catalysées par le COVID-19 ont stimulé le passage à la télémédecine et à d'autres techniques à domicile. Les nouvelles techniques de ML et les données biomédicales longitudinales approfondies augmentent également notre capacité à prédire la probabilité de succès d'un essai clinique d'un médicament sur un large éventail d'indications, accélérant le processus d'essai en permettant aux biotechnologies de se concentrer sur les actifs les plus susceptibles de réussir. Bien que l’objectif ultime soit d’inverser la loi d’Eroom, même une augmentation modeste de la précision prédictive qui peut aider à établir des priorités pourrait permettre à l’industrie de réaliser des économies considérables.

Juste une efficacité de 5 à 10% sur le coût ou le temps – une loi de Moore pour les essais cliniques – signifierait que dans 7 ans, il pourrait coûter moitié moins cher pour exécuter une nouvelle thérapie par le biais d'essais cliniques, et un ordre de grandeur plus de maladies guéries. Cliquez pour tweeter

4) Industrialisation de la découverte. La manière dont la plupart des maladies biologiques sont découvertes commence par les personnes malades. En d’autres termes, nous commençons par le phénotype de la maladie et essayons de comprendre ce qui se passe dans la biologie qui crée ces conditions. Ensuite, nous pouvons essayer de lancer empiriquement des composés sur des modèles de maladies jusqu'à ce que quelque chose colle ou d'essayer minutieusement d'élucider une voie spécifique. L'avènement des technologies IA / ML modernes et de pointe, combiné à notre richesse croissante de données biomédicales, rend rapidement ces méthodes classiques obsolètes.

Des outils de calcul qui analysent les relations structure-activité à l'application de l'IA / ML sur les images de cellules pour les écrans phénotypiques à haut débit, ou au criblage de signatures multi-omiques, nous sommes juste à l'aube de ce qui est possible. La prochaine vague d'outils d'IA / ML dont nous avons besoin sont des plates-formes qui peuvent apprendre des fonctionnalités entièrement nouvelles et uniques (celles que les scientifiques ou les médecins n'auraient jamais pensé avoir corrélées avec une physiopathologie spécifique), exploiter et utiliser de petits ensembles de données (extrêmement précieux pour les indications où les données sont rares ou de mauvaise qualité) ou combinent des informations provenant de disciplines disparates. Ajoutez à cela un nouveau matériel pour la génération de données robotiques qui peut générer des ensembles de données frais et à haut débit adaptés pour l'IA / ML et nous pourrons peut-être un jour être en mesure de faire évoluer la recherche et le développement qui prenaient des années (ou qui étaient auparavant impossibles). de jours.

Intégration des thérapies cellulaires et géniques

L'ingénierie des cellules et des gènes afin de traiter la maladie nous a déjà donné des percées médicales incroyables: des cellules immunitaires formées pour rechercher et tuer le cancer; thérapies géniques qui guérissent certaines maladies génétiques dévastatrices. Mais il reste encore de nombreux défis techniques à résoudre avant que ces médicaments n'agissent pour plus de maladies, de manière sûre, efficace et à grande échelle, afin de fournir ces traitements aux patients qui en ont le plus besoin.

5) Sculpter la réponse immunitaire. L'immunogénicité des thérapies géniques, c'est-à-dire leur capacité à provoquer une réaction indésirable du système immunitaire, a toujours été l'un des plus grands défis de l'industrie de la thérapie génique, avec certains débâcles cliniques de haut niveau dans le passé et présent comme des rappels déchirants. Les réponses du système immunitaire peuvent être causées par de nombreux aspects différents de la thérapie, du vecteur de délivrance lui-même à la «cargaison» à l'intérieur du vecteur. Nous avons besoin d'outils pour nous aider à sculpter une réponse immunitaire pour une puissance maximale mais une toxicité minimale: des plates-formes pour aider à dépister l'immunogénicité, ainsi que de nouvelles capsides ou des systèmes d'administration qui la minimisent. Pour les thérapies cellulaires, nous avons besoin de nouveaux mécanismes de contrôle qui utilisent la biologie synthétique pour rendre ces thérapies plus sûres: «kill switch»; CAR de deuxième génération qui est par défaut «off»; ou la programmation des cellules pour les rendre moins «visibles» pour le système immunitaire. L'ingénierie de nouveaux promoteurs et éléments de régulation pour la spécificité cellulaire / environnement et le contrôle basculable en général peut être la clé pour toutes les thérapies cellulaires et géniques. Plus immédiatement, de meilleurs systèmes de diagnostic pourraient également nous aider à éviter complètement le problème, en nous assurant que nous savons si un patient a une prédisposition immunogène dès le début.

6) Systèmes de prestation d'ingénierie. L'un des composants techniques les plus cruciaux de la thérapie génique est le système d'administration. Fournir ces médicaments à un organe cible spécifique ou même à un type de cellule n'est pas une mince affaire. À l'heure actuelle, bon nombre de nos systèmes d'administration actuels sont confrontés à une faible précision au niveau des tissus, une faible efficacité et une immunogénicité élevée (provoquant des réactions immunitaires). Pour les thérapies ex-vivo délivrées à l'extérieur du corps (par exemple, les immunothérapies contre le cancer, la drépanocytose, la bêta-thalassémie, etc.), nous avons besoin de mécanismes d'administration qui peuvent perturber la membrane cellulaire tout en minimisant les dommages à la membrane cellulaire et aux protéines intracellulaires centrales. Il y a une explosion d'outils à venir qui peuvent être exploités pour résoudre un large éventail de ces défis de livraison, des virus et non-viraux dans le spectre biologique, aux polymères chimiques, au matériel physique, ou même à l'utilisation de cellules elles-mêmes pour transporter des marchandises. En bref, dans chacune de ces différentes catégories, nous avons besoin de plates-formes fiables qui sont modulaires, peuvent être conçues de manière itérative et facilement adaptées à un large éventail de patients.

7) Perfectionner la charge utile. La livraison est une chose; quelle exactement est livré en est un autre. Les effets hors cible, la faible efficacité et les effets secondaires de l'immunogénicité de la protéine elle-même (c'est-à-dire la «charge utile») sont également des problèmes critiques à résoudre sur le terrain. Pour les thérapies géniques, même un petit effet hors cible involontaire ou une «cicatrice génétique» peut déclencher des mutations indésirables ou de nouveaux cancers. Nous devons concevoir de nouveaux outils avec plus de contrôle et de précision: encore une fois, plus d'interrupteurs marche / arrêt; davantage de mécanismes de contrôle, tels que les domaines protéiques photoclivables; des outils d'édition qui ne nécessitent pas de mécanismes de rupture double brin; systèmes endogènes qui pourraient éviter complètement CRISPR. De nombreuses nouvelles enzymes sont découvertes qui nous permettent de modifier de nouvelles dimensions du génome en toute sécurité et avec précision. Pour les thérapies cellulaires, nous avons besoin de plus de nouvelles technologies qui amélioreront la fonctionnalité et la puissance des cellules T. L'ingénierie de nouvelles conceptions et systèmes de récepteurs d'antigènes chimériques (CAR T) alimentera une grande partie de la prochaine génération d'immunothérapies. Des CAR T blindés aux CAR T autonomes en passant par les CAR T autodestructeurs, nous avons besoin de nouvelles modalités CAR T pour améliorer le trafic, éviter la suppression et la fuite des tumeurs, et finalement renforcer la puissance de la réponse immunitaire.

8) Fabrication et distribution. Il existe un vaste système épineux et une chaîne d'approvisionnement profonde qui doivent fonctionner sans heurts dans les coulisses afin de fabriquer et de livrer ces médicaments extrêmement complexes aux patients. Comme bon nombre de ces nouvelles thérapies géniques sont conçues pour chaque patient, les systèmes actuels connaissent d'énormes goulots d'étranglement dans la fabrication et de longs délais d'attente pour les organisations de recherche sous contrat (CRO), parfois même jusqu'à un an. Nous devons appliquer les outils d'automatisation et de robotique pour mettre à l'échelle les étapes de fabrication de ces thérapies, de la refonte des processus logistiques à l'utilisation de logiciels pour gérer intelligemment les parties critiques de la chaîne d'approvisionnement.

Nous pourrions également être en mesure de sauter une partie de cette logistique en développant de meilleures cellules allogéniques, ou des cellules donneuses universelles «disponibles sur le marché», qui peuvent aider à démocratiser les immunothérapies cellulaires. De nouvelles approches qui peuvent produire des cellules T allogéniques avec un potentiel minimal de maladie du greffon contre l'hôte mettant la vie en danger ou de nouveaux types de cellules tels que les cellules NK pourraient également être des percées majeures. Le véritable perturbateur, cependant, pourrait un jour éviter tout type de production cellulaire, peut-être par des méthodes telles que l'administration de nanoparticules dans les cellules pour induire directement l'expression de CAR in vivo –contournant tout le besoin de cette infrastructure de fabrication et de logistique herculéenne.

Concevoir la nature

Nous entrons enfin dans une ère dans laquelle les principes d'ingénierie d'abstraction, de modularité et de hiérarchie peuvent être appliqués à la conception de la biologie elle-même – c'est-à-dire au domaine de la biologie synthétique. Cela signifie des rêves d'organismes d'ingénierie programmés pour détecter et combattre la maladie; des matériaux vivants qui peuvent s'auto-réparer; ou les systèmes biologiques hautement efficaces qui peuvent produire de l'énergie, commencent à sembler plus proches de la réalité que la science-fiction. Il y a encore une énorme quantité d'infrastructures à construire autour de cet espace pour faire de telles applications une réalité.

Nous entrons enfin dans une ère dans laquelle les principes d'ingénierie d'abstraction, de modularité et de hiérarchie peuvent être appliqués à la conception de la biologie elle-même. Cliquez pour tweeter

9) De meilleurs blocs de construction. Au cours des deux dernières décennies, nous avons pu concevoir des circuits génétiques de plus en plus complexes pour exécuter des fonctions cellulaires de plus en plus sophistiquées. Pourtant, la programmation de circuits génétiques nécessite souvent encore beaucoup plus de cycles de conception -> construction -> test -> que les cycles hautement prévisibles et efficaces d'autres disciplines d'ingénierie traditionnelles. La biologie est incroyablement complexe; notre seul moyen de gérer cela est de le décomposer en modules biologiques standardisés – des blocs de construction de type Lego – qui nous permettront de construire et d'échanger plus facilement des composants de base dans un circuit génétique complexe, de manière prévisible. En plus de ces blocs Lego interchangeables, le domaine aura également besoin de nombreux nouveaux outils pour comprendre et finalement concevoir les systèmes biophysiques complexes de la nature. Les nouvelles plates-formes logicielles capables de mieux simuler, prédire et même prototyper l'interaction des circuits biologiques seront des innovations cruciales qui nous conduiront dans la prochaine ère de véritablement concevoir la biologie.

10) Programmation de la biologie… à grande échelle. Bien que nous puissions lire (séquencer l'ADN) et écrire (synthétiser l'ADN) rapidement, notre capacité à exécuter réellement (faire un grand nombre de modifications génétiques) ou à programmer la biologie dans les cellules de mammifères en est encore à ses débuts. De nouveaux outils moléculaires tels que CRISPR nous permettent d'effectuer des modifications ciblées avec précision, mais la réalité est qu'il faut des mois pour faire juste une poignée de modifications. En informatique, un système d'E / S bio est encore très lent. Pour vraiment accélérer l'avenir de la biologie synthétique, nous avons besoin d'outils pour pouvoir effectuer des milliers de modifications dans les cellules de mammifères à la fois, ce qui exigerait des innovations interdisciplinaires en biologie, chimie, matériel et automatisation. Nous avons déjà vu certaines de ces innovations dans des microbes plus simples, comme les bactéries ou les levures, mais il y a un certain nombre d'obstacles à franchir avant de voir ces outils et plates-formes dans le domaine des cellules mammifères complexes: les cellules humaines mettent beaucoup plus de temps à se diviser que les bactéries. ; les effets hors cible sont plus mortels; il faut plus de temps pour que les choses soient absorbées dans une cellule humaine. Ce sont de grands défis audacieux pour le domaine, mais les résoudre signifierait que nous pourrions littéralement concevoir des cellules à partir de zéro, créer et démocratiser rapidement de nouvelles machines cellulaires pour tous les aspects de la vie et de l'industrie.

11) Circuits génétiques pour la médecine. L’une des plus grandes promesses de la biologie synthétique est la possibilité de programmer des «machines cellulaires vivantes» en tant que produits thérapeutiques: des cellules modifiées capables de détecter plusieurs signatures de maladies, de déclencher des mécanismes thérapeutiques sophistiqués et de s’éteindre après avoir détecté la suppression d’un état pathologique. Ces machines cellulaires pourraient être à la base de nouveaux systèmes puissants pour détecter, diagnostiquer et même un jour traiter les maladies. Jusqu'à présent, les visions de ces machines biologiques sophistiquées «théranostiques» (thérapeutiques + diagnostiques) (qui nécessiteraient des fonctionnalités d'ingénierie complexes telles que des portes logiques à entrées multiples, un contrôle transcriptionnel précis et d'autres modules de détection, de mémoire et de biocomputation) sont plus probantes -concept que la réalité. Mais une partie de cette fonctionnalité existe déjà – elle l’incorpore dans une «machine» à cellules entières sophistiquée qui est si difficile. Une façon de progresser serait donc d'incorporer ces composants dans le renforcement des thérapies existantes. Nous voyons déjà cela sous la forme de récepteurs synthétiques Notch (synNotch); CARs universels et programmables (SUPRA); même les cellules pancréatiques qui détectent et libèrent des hormones en réponse à la consommation alimentaire. La prochaine génération de gagnants dans cet espace sera celle qui pourra exploiter des circuits de plus en plus complexes, un module à la fois.

12) Synbio pour le monde. Bien que les procédés pétroliers aient créé le monde moderne qui nous entoure, ils ont également créé le monde moderne qui nous entoure – avec toutes ses crises écologiques. La biologie elle-même peut être notre meilleur système de fabrication. En utilisant des systèmes biologiques génétiquement modifiés, nous avons pu produire des biomatériaux et des biomolécules destinés à être utilisés dans les médicaments, les aliments, les boissons, les textiles et les applications industrielles. Et pas seulement de simples molécules, mais des cuirs, des textiles, voire de la viande. Mais le problème qui retient tout cet espace est la capacité à faire évoluer efficacement la bioproduction. Les coûts de production actuels de bon nombre de ces produits sont exorbitants, ce qui rend la rentabilité unitaire de ces produits impraticable pour une utilisation généralisée (cela faisait bien sûr partie de la débâcle des biocarburants). Pour que ce type de fabrication atteigne une véritable échelle, nous devons être en mesure d'utiliser des organismes hôtes capables de produire avec un rendement plus élevé et un minimum de sous-produits indésirables. Des plates-formes évolutives capables de reconstituer et d'imiter efficacement l'environnement naturel de l'échafaudage 3D (comme pour les viandes, les cuirs, la soie, etc.) seront également essentielles. Et puis, nous avons besoin de nouvelles avancées logicielles et matérielles pour automatiser de nombreux éléments cruciaux du processus de mise à l'échelle industrielle: fermentation, ingénierie tissulaire, encore meilleures analyses afin que nous sachions comment affiner et itérer davantage nos processus de fabrication.

Neuroingénierie

Le système nerveux central (SNC), l’un des systèmes les plus importants et les plus complexes de la biologie humaine, a sans doute été le domaine le plus énigmatique de la médecine. La douleur, la dépression, la maladie d'Alzheimer, les lésions de la moelle épinière et d'innombrables autres maladies et affections incurables montrent que nous avons désespérément besoin de solutions dans ce domaine. Mais les récentes innovations tant logicielles que matérielles ouvrent la porte à l'ingénierie des systèmes neurologiques à une résolution sans précédent. Et au-delà du traitement des maladies, la prochaine génération de matériel dans les interfaces cerveau-ordinateur pourrait même un jour transformer la façon dont nous faisons de l'exercice, dormons, nous divertissons ou interagissons avec le monde.

13) Neuro-Complexité en ingénierie inverse. Le nombre de connexions dans le cerveau éclipse le nombre de galaxies observables dans l'univers. En ce qui concerne les maladies neurologiques et les troubles de santé mentale – des conditions complexes dans lesquelles nous comprenons relativement peu la biologie sous-jacente – nous avons désespérément besoin de modèles de résolution beaucoup plus élevée pour nous donner des informations exploitables. Cela commence par simplement essayer de voir le cerveau et le SNC en entier, avec des «schémas de câblage» qui cartographier l'ensemble des connexions neuronales du cerveau, synapse par synapse; ou des outils ou logiciels capables de numériser et d'imager tout cerveau, combiné avec des logiciels ou des algorithmes ML qui peuvent alors accélérer rapidement le traçage de ces connexions neuronales. Nous pouvons également «laisser la nature faire le travail» en faisant de la bio-ingénierie des modèles cérébraux à partir de tissus humains pour éclairer ce que nous ne comprenons pas: organoïdes du cerveau, qui sont une récapitulation 3D simplifiée des principaux composants du cerveau, en sont un exemple. Mais nous devons augmenter la précision anatomique de ces organoïdes, ainsi que développer de meilleures façons de modéliser l'ensemble du circuit de la neuro-architecture. Faire de la fabrication et de la construction de ces modèles une procédure répétable plus rationalisée contribuera également à rendre cet outil beaucoup plus utile et plus largement adopté.

14) Rationnement en ingénierie thérapeutique pour le cerveau. Le développement de médicaments CNS a connu des revers herculéens. Avec des taux d'échec clinique significativement plus élevés (jusqu'à 100% dans certaines maladies comme la maladie d'Alzheimer), les médicaments du SNC sont également confrontés à des délais de développement et d'examen réglementaires plus longs. Et même en cas de succès, en raison de l'ampleur et de la complexité de chaque maladie du SNC, il n'y aura jamais un médicament miracle. Le traitement de ces maladies proviendra probablement d'un large armement d'outils qui s'étendra du niveau moléculaire (thérapies cellulaires et géniques ciblant une cause fondamentale; progrès des cellules souches et de la médecine régénérative) à la réingénierie de nos comportements par des moyens numériques. Les applications mobiles ont déjà inauguré une nouvelle ère de thérapies numériques pour les problèmes de santé mentale, notamment la dépression, l'insomnie ou le stress. Les technologies de réalité virtuelle à résolution toujours plus élevée qui augmentent le degré de réalisme sans précédent dans les traitements par immersion peuvent également nous fournir de nouveaux traitements puissants et efficaces pour des troubles tels que la dépression et le SSPT.

15) Fusion de l'esprit et de la machine. Bien que les idées de science-fiction d'interagir avec notre environnement ou de se connecter à des ordinateurs (ou à l'IA) avec seulement nos pensées aient depuis longtemps capturé la fascination de l'humanité, il reste encore de nombreuses étapes à franchir avant que les signaux cérébraux puissent être exploités et traduits en intentions et actions. Nous n'en sommes pas encore là, mais les interfaces cerveau-ordinateur (BCI) – des dispositifs qui connectent le cerveau au matériel externe – ont montré des démonstrations spectaculaires de validation de principe avec des membres robotiques contrôlés par BCI qui rajeunissent le mouvement des patients complètement paralysés, des implants cérébraux qui rétablissent la vision chez les aveugles, ou les neurotechnologies de stimulation électrique qui permettent à la moelle épinière lésée de marcher. Ce qui a commencé comme des dispositifs médicaux pour analyser les signaux cérébraux d'électroencéphalogramme s'est transformé en un domaine de pointe qui promet non seulement d'améliorer la vie des personnes handicapées, mais également de transformer complètement notre paradigme d'interaction avec le monde.

La traduction de ces premiers concepts en produits cliniques beaucoup plus fidèles, fiables et précis n'est pas une mince affaire – en partie à cause de l'énorme quantité d'informations électriques et de la corrélation imprécise avec les phénomènes psychologiques. Tout type de BCI devra prendre en compte à quel point le produit final est invasif (ou non) et les compromis inhérents. Les approches BCI non invasives sont plus sûres et plus faciles à gérer, mais leur efficacité est souvent entravée par le bouclier rigide de notre cerveau, le crâne (qui a un impact sur la fidélité et la précision du traitement complexe du signal). Le développement d'algorithmes d'IA et de ML capables d'analyser et de décoder cette activité neuronale (tout en atténuant le caractère invasif) pourrait turbocharger le champ. Et les défis matériels ne sont pas non plus une mince affaire: une électronique robuste doit utiliser des matériaux sûrs, biocompatibles et non immunogènes, et être rentable à fabriquer.

16) Augmenter l'humain. À quelle distance sommes-nous des technologies qui pousseront au-delà des bases fondamentales de la cognition et de la fonction humaines? Cela améliorera la mémoire, augmentera IQ / EQ, peut-être même nous donnera de nouvelles capacités motrices? Avec une approche d'ingénierie, nous pouvons commencer à cibler ces domaines également – en allant au-delà du concept de développement avec un état d'esprit purement basé sur la maladie, et vers l'amélioration de la fonction. Une thérapie pour la maladie d’Alzheimer pourrait-elle améliorer la mémoire des personnes non atteintes – peut-être en éditant et en régénérant les neurones, ou en manipulant des mécanismes hormonaux ou pharmacologiques qui nous permettent de stocker ou d’éditer des souvenirs? Sur le plan matériel, nous voyons déjà les premiers aperçus de l'électronique qui tire parti des signaux neurologiques pour moduler notre activité cérébrale afin de réduire le stress, d'améliorer le sommeil ou même d'augmenter l'efficacité de l'entraînement physique. Que ce soit grâce à de nouveaux outils comme ceux-ci "électroceutiques»Ou grâce à de petites molécules, protéines ou thérapies cellulaires, l'amélioration fonctionnelle en dehors de la maladie deviendra une prochaine frontière naturelle.

Ces 16 problèmes ne sont, bien sûr, que le début. Ces thèmes servent à mettre en évidence le degré d’omniprésence de l’impact de l’ingénierie. Nous n'avons plus à faire valoir que la biologie de l'ingénierie est une chose. La vraie question est de savoir ce qui devient possible lorsque la biologie artificielle a envahi non seulement ces problèmes, mais tout.





Traduction de l’article de htidnam : Article Original

BlockBlog

Le Meilleur de l'Actualité Blockchain Francophone & Internationale | News, Guides, Avis & Tutoriels pour s'informer et démarrer facilement avec Bitcoin, les Crypto-Monnaies et le Blockchain. En Savoir Plus sur L'Équipe BlockBlog

Commenter cet Article

Commenter cet Article

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Plus dans News

Les Plus Populaires

Acheter des Bitcoin

Acheter des Alt-Coins

Sécuriser vos Cryptos

Vêtements et Produits Dérivés

Top
nunc Praesent eleifend porta. sit id, ipsum luctus fringilla consectetur mattis diam