Des données récentes indiquent qu’entre 30 et 40 % des cancers pourraient être évités par des mesures diététiques et des changements de mode de vie uniquement. Des chercheurs auraient mis au point une plateforme unique d’apprentissage machine en réseau pour identifier des molécules alimentaires supposées combattre le cancer.
Ces dernières ont été sélectionnées grâce à leur réseau de biologie moléculaire commun avec les thérapies anticancéreuses approuvées cliniquement. Un algorithme d’apprentissage machine (fonctionnant dans le cadre de la plate-forme de supercalcul DreamLab) a été utilisé pour simuler les actions des médicaments sur les réseaux d’interactomes humains afin d’obtenir des profils d’activité du génome de médicaments approuvés en 1962 (dont 199 étaient classés comme « anti-cancer » avec leurs indications primaires). Puis les chercheurs ont utilisé une approche supervisée pour prédire les molécules anti-cancer à l’aide de ces profils d’activité interactomique » appris « .
Le modèle ainsi créé permettait de prédire les thérapeutiques anticancéreuses avec une précision de classification de 84 à 90 %.
Une base de données complète de 7962 molécules bioactives dans les aliments a été introduite dans le modèle, qui a prédit 110 molécules anti-cancer dont la capacité prévue est comparable à celle de médicaments anticancérigènes approuvés en clinique de diverses classes chimiques dont les flavonoïdes, les terpènes et les polyphénols. Ces données ont ensuite servi à établir une » carte alimentaire » dont le potentiel anticancéreux de chaque ingrédient est défini par le nombre de molécules cancérigènes qui s’y trouvent.
