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

Le nombre croissant de publications dans le domaine de l’immunologie souligne la nécessité d’un filtrage automatique des publications afin d’extraire rapidement les informations intégrées dans ce corpus de littérature scientifique. Pour effectuer une revue systématique de la littérature, nous avons utilisé BIBOT, un logiciel de traitement du langage naturel développé autour d’approches d’apprentissage automatique [1] , [2] , pour analyser automatiquement les études sur les aspects épigénétiques des maladies auto-immunes. Nous avons fourni les mots-clés suivants à BIBOT : « Mécanisme épigénétique » et « Maladies auto-immunes ». En utilisant ces mots-clés comme demande d’utilisateur, 307 articles ont été identifiés comme candidats potentiels à partir de la base de données PubMed par le programme. Parmi eux, 162 se référaient à des maladies auto-immunes et 240 à différents mécanismes épigénétiques. L’intersection de ces deux ensembles était composée de 122 articles. Une analyse approfondie des articles sélectionnés a révélé 211 cibles bien établies de mécanismes épigénétiques dans les maladies auto-immunes. Nous avons extrait ces cibles, leur maladie associée et leurs mécanismes associés. Parmi notre sélection d’articles, nous avons observé une forte proportion d’études concernant le lupus, la méthylation et les mécanismes d’ARN non codants ( Tableau 1 ). Nous avons ensuite détaillé les mécanismes identifiés (methylation, miRNA, etc.), par cible (CD40L, CD70, IFN, etc.) et par pathologie (lupus, polyarthrite rhumatoïde, etc.). Notre traitement du langage naturel a permis de décrire les tendances générales dans les publications et a fourni un fichier de données contenant des méta-informations sur chacune des publications sélectionnées sur l’épigénétique.