Une nouvelle méthode d’apprentissage automatique, une technique « d’intelligence artificielle » (IA) permet d’évaluer et de prédire la synchronisation de l’horloge biologique et donc d’apporter les données nécessaires et propres à chaque sujet, qui vont permettre à chacun de personnaliser ses décisions en matière de sommeil et de santé. Alors que le sommeil est de mieux en mieux reconnu comme un facteur de mode de vie déterminant pour la santé, mais qu’il peut être bousculé par nos modes de vie « modernes », cette équipe de l’Université du Surrey offre un moyen de nous aider à mieux « caler » notre horloge interne, en pratique :
savoir quand et combien de temps dormir.
La recherche, publiée dans les Actes de l’Académie des Sciences américaine, utilise donc un programme d’apprentissage automatique. Ce programme permet d’analyser certains métabolites clés dans le sang de qui lui permet de préciser l’heure de notre système de synchronisation circadien interne. C’est une nouvelle option qui nous est proposée, alors qu’à ce jour, la méthode standard pour déterminer la synchronisation du système circadien consiste à mesurer la synchronisation de notre rythme naturel de mélatonine, et en particulier à déterminer le moment où nous commençons à produire de la mélatonine, connue sous le nom d’apparition de la mélatonine à la lumière tamisée (DLMO : dim light melatonin onset).
L’auteur principal, Debra Skene, professeur à l’Université de Surrey résume ce résultat : « à partir de 2 échantillons de sang de nos participants, nous avons pu prédire leur DLMO avec une précision comparable voire meilleure qu’avec la méthode existante ».
Une nouvelle approche pour préciser la DLMO
L’étude est menée auprès de 24 participants, 12 hommes et 12 femmes, tous en bonne santé, ne fumant pas et suivant des horaires de sommeil réguliers 7 jours avant leur visite au centre de recherche clinique. L’équipe a ensuite mesuré plus de 130 rythmes de métabolites à l’aide d’une approche métabolomique ciblée. Ces données sur les métabolites ont ensuite été utilisées pour nourrir le programme d’apprentissage automatique et pour prédire le rythme circadien.
Une nouvelle approche de prédiction de la DLMO : selon ses auteurs, la nouvelle approche est plus pratique et nécessite moins d’échantillonnage que les outils actuellement disponibles. Si l’approche doit encore être validée sur différents groupes de population, elle ouvre d’ores et déjà la voie à une nouvelle méthode pour comprendre et évaluer le rythme circadien.
« Les trackers intelligents apportent des données utiles sur les habitudes de sommeil mais nos recherches ouvrent la voie à des programmes de sommeil et d’alimentation véritablement personnalisés, alignés sur notre biologie personnelle. »
Source: Proceedings of the National Academy of Sciences (PNAS) 24 April, 2023 DOI: 10.1073/pnas.2212685120 Machine learning estimation of human body time using metabolomic profiling
Plus sur l’Horloge biologique
Laisser un commentaire