L’IA a permis de résoudre un problème qui a paralysé les biologistes pendant 50 ans. C’est un problème de taille.

Une percée sur le « problème du repliement des protéines » peut nous aider à comprendre la maladie et à découvrir de nouveaux médicaments, rapporte Vox.

DeepMind, un laboratoire de recherche sur l’IA qui a été racheté par Google et qui fait désormais partie intégrante de la société mère Alphabet, a annoncé cette semaine une avancée majeure qu’un biologiste évolutionniste a qualifiée de « changement de jeu ».

« Cela va changer la médecine », a déclaré le biologiste, Andrei Lupas, à Nature. « Cela va changer la recherche. Cela va changer la bio-ingénierie. Cela va tout changer ».

La percée : DeepMind affirme que son système d’IA, AlphaFold, a résolu le « problème du pliage des protéines » – un grand défi de la biologie qui a contrarié les scientifiques pendant 50 ans.

Les protéines sont les machines de base qui permettent de faire du travail dans vos cellules. Elles commencent sous forme de chaînes d’acides aminés (imaginez les perles d’un collier) mais elles se replient rapidement en une forme tridimensionnelle unique (imaginez que vous tenez le collier de perles dans votre main).

Cette forme tridimensionnelle est cruciale car elle détermine le fonctionnement de la protéine. Si vous êtes un scientifique qui développe un nouveau médicament, vous voulez connaître la forme de la protéine parce que cela vous aidera à trouver une molécule qui peut se lier à elle, s’y adapter pour modifier son comportement. Le problème, c’est qu’il est incroyablement difficile de prédire la forme que prendra une protéine.

Tous les deux ans, les chercheurs qui travaillent sur ce problème essaient de prouver la qualité de leurs pouvoirs de prédiction en soumettant une prédiction sur les formes que prendront certaines protéines. Leurs travaux sont jugés lors de la conférence CASP (Critical Assessment of Structure Prediction), qui est en fait un concours scientifique pour adultes.

En 2018, l’IA de DeepMind surpassait déjà celle de tous les participants à la CASP, ce qui a provoqué des sentiments de mélancolie chez les chercheurs humains. DeepMind a remporté le concours cette année-là, mais il n’avait toujours pas résolu le problème du repliement des protéines. Il n’en est même pas question.

Cette année, cependant, son système AlphaFold a pu prédire – avec une rapidité et une précision impressionnantes – les formes que prendraient des chaînes d’acides aminés données. L’IA n’est pas parfaite, mais elle est plutôt géniale : Lorsqu’elle fait des erreurs, elle ne s’écarte généralement que de la largeur d’un atome. C’est comparable aux erreurs que vous obtenez lorsque vous faites des expériences physiques dans un laboratoire, sauf que ces expériences sont beaucoup plus lentes et beaucoup plus coûteuses.

« C’est une grosse affaire », a déclaré à la Nature John Moult, cofondateur et directeur du CASP. « Dans un certain sens, le problème est résolu ».

Pourquoi c’est important pour la biologie

La technologie AlphaFold doit encore être affinée, mais à supposer que les chercheurs puissent y parvenir, cette percée devrait accélérer et améliorer notre capacité à développer de nouveaux médicaments.

Commençons par la vitesse. Pour avoir une idée de la vitesse à laquelle AlphaFold peut accélérer le travail des scientifiques, prenons l’expérience d’Andrei Lupas, biologiste évolutionniste à l’Institut Max Planck en Allemagne. Il a passé une décennie – une décennie ! – à essayer de comprendre la forme d’une protéine. Mais peu importe ce qu’il a essayé en laboratoire, la réponse lui a échappé. Il a alors essayé AlphaFold et il a eu la réponse en une demi-heure.

AlphaFold a des implications pour tout, de la maladie d’Alzheimer aux futures pandémies. Il peut nous aider à comprendre les maladies, puisque beaucoup (comme la maladie d’Alzheimer) sont causées par des protéines mal pliées. Il peut nous aider à trouver de nouveaux traitements, et aussi nous aider à déterminer rapidement quels médicaments existants peuvent être utilement appliqués, par exemple, à un nouveau virus. Lorsqu’une nouvelle pandémie se déclare, il pourrait être très utile d’avoir un système comme AlphaFold dans notre poche.

« Nous pourrions commencer à tester tous les composés dont l’utilisation chez l’homme est autorisée », a déclaré M. Lupas au New York Times. « Nous pourrions faire face à la prochaine pandémie avec les médicaments que nous avons déjà ».

Mais pour que cela soit possible, DeepMind devrait partager sa technologie avec les scientifiques. Le laboratoire dit qu’il explore les moyens d’y parvenir.

Pourquoi l’intelligence artificielle est-elle si importante ?

Au cours des dernières années, DeepMind s’est fait un nom en jouant à des jeux. Il a construit des systèmes d’intelligence artificielle qui ont écrasé les joueurs professionnels dans des jeux de stratégie comme StarCraft et Go. Tout comme les parties d’échecs entre Deep Blue d’IBM et Garry Kasparov, ces parties ont surtout servi à prouver que DeepMind peut créer une IA qui surpasse les capacités humaines.

Aujourd’hui, DeepMind prouve qu’il a grandi. Il est passé du jeu vidéo à la résolution de problèmes scientifiques ayant une portée réelle, des problèmes qui peuvent être de vie ou de mort.

Le problème du repliement des protéines était une chose parfaite à aborder. DeepMind est un leader mondial dans la construction de réseaux de neurones, un type d’intelligence artificielle vaguement inspirée des neurones du cerveau humain. La beauté de ce type d’intelligence artificielle est qu’elle ne nécessite pas de préprogrammation avec de nombreuses règles. Il suffit d’alimenter un réseau de neurones avec suffisamment d’exemples de quelque chose, et il peut apprendre à détecter des modèles dans les données, puis tirer des conclusions sur la base de cela.

Ainsi, par exemple, vous pouvez lui présenter plusieurs milliers de chaînes d’acides aminés et lui montrer dans quelle forme elles se sont pliées. Progressivement, il détecte des modèles dans la façon dont les chaînes données ont tendance à se former – des modèles que les experts humains n’ont peut-être pas détectés. À partir de là, il peut faire des prévisions sur la façon dont d’autres chaînes se replieront.

C’est exactement le genre de problème auquel les réseaux de neurones excellent, et DeepMind l’a reconnu en mariant le bon type d’IA au bon type de puzzle. (Il a également intégré des connaissances plus complexes – sur la physique et les séquences d’acides aminés liées à l’évolution, par exemple – bien que les détails restent peu nombreux car DeepMind prépare encore un article soumis à l’examen des pairs pour publication).

D’autres laboratoires ont déjà exploité la puissance des réseaux de neurones pour faire des percées en biologie. Au début de cette année, des chercheurs en IA ont formé un réseau de neurones en lui fournissant des données sur 2 335 molécules connues pour leurs propriétés antibactériennes. Ils l’ont ensuite utilisé pour prédire quelles autres molécules – sur 107 millions de possibilités – auraient également ces propriétés. Ils sont ainsi parvenus à identifier de tout nouveaux types d’antibiotiques.

Les chercheurs de DeepMind terminent l’année avec une autre réalisation qui montre à quel point l’IA a mûri. C’est vraiment une excellente nouvelle pour une année 2020 généralement terrible.

Via Vox

1 commentaire sur “L’IA a permis de résoudre un problème qui a paralysé les biologistes pendant 50 ans. C’est un problème de taille.”

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.