Technologie sans conscience n’est que ruine de l’Homme.
Pourquoi cet article est intéressant ? L. Bardon . – Fin 2018, AlphaFold de DeepMind a remporté la première place dans le prestigieux concours CASP. CASP (Critical Assessment of Structure Prediction) est un concours scientifique biennal établi en 1994 qui a eu lieu pour la 13e fois. C’est un peu comme l’Oscar de la biologie moléculaire et des structures protéiques décerné par Hollywood. Lors de la conférence de 2020, DeepMind a présenté des progrès remarquables dans le domaine. Depuis, les chercheurs de l’Institute for Protein Design de la faculté de médecine de l’Université de Washington à Seattle sont parvenus à recréer les performances réalisées par DeepMind. Contrairement à DeepMind, l’équipe de l’UW Medicine a déjà mis sa méthode, baptisée RoseTTAFold, en libre accès. Des scientifiques du monde entier l’utilisent désormais pour construire des modèles de protéines afin d’accélérer leurs propres recherches. L’équipe de recherche a utilisé RoseTTAFold pour calculer des centaines de nouvelles structures protéiques, y compris de nombreuses protéines mal connues du génome humain.
Selon une enquête du Financial Times datant de 2019, les sites Web populaires dans le domaine de la santé partagent des données médicales personnelles et privées avec de grandes entreprises de technologie. Les données, y compris les diagnostics médicaux, les symptômes, les ordonnances et les renseignements sur les menstruations et la fertilité, sont vendues à des entreprises comme Google, Amazon, Facebook et Oracle, ainsi qu’à de plus petits courtiers en données et entreprises de technologie publicitaire, comme Scorecard et OpenX.
Gérer un système de santé est extrêmement complexe. Des millions de pièces mobiles – des cliniques mobiles aux kits de dépistage – doivent se trouver au bon endroit et au bon moment. Or, les grandes entreprises sont confrontées en permanence à ce type de problématique. Certains pays pauvres ont donc commencé à utiliser des outils de gestion de la chaîne d’approvisionnement alimentés par l’IA afin d’améliorer l’accès des populations aux tests et aux traitements. Les organismes de santé utilisent ces logiciels pour décider où installer de nouvelles cliniques, comment répartir les équipements et le personnel, et quelles dépenses privilégier.
Le présent est la bêta version du futur.
Synthèse
Les protéines sont des molécules complexes créées par les organismes pour remplir les fonctions biologiques nécessaires à la vie. Généralement constituées d’une chaîne de 20 acides aminés, ces chaînes se replient d’innombrables façons, leur forme finale déterminant leur fonctionnement et leur interaction avec d’autres éléments.
Les progrès réalisés dans le domaine des algorithmes et de l’apprentissage de l’IA ont conduit à la mise au point de logiciels, tels qu’AlphaFold, capables de prédire avec précision les formes 3D des protéines en fonction de leurs combinaisons d’acides aminés. Les modèles d’apprentissage automatique apprennent non seulement les formes, mais aussi les propriétés chimiques et physiques des interactions connues, et utilisent ensuite ces informations pour réévaluer les prédictions d’amarrage.
Dans ce domaine, AlphaFold est impressionnant, et a maintenant prédit plus de 200 millions de protéines à partir de leurs chaînes d’acides aminés. Les chercheurs espèrent que la constitution d’une base de données aussi vaste permettra aux scientifiques de développer des traitements ciblant des protéines spécifiques associées à des maladies telles que le cancer ou la démence. La mise au point de tels médicaments peut nécessiter de connaître la structure physique de la protéine, et c’est là que des programmes comme AlphaFold peuvent être utilisés.
Une étude menée par des universitaires du MIT, aux États-Unis, montre toutefois à quel point la tâche est difficile dans la pratique. En synthèse, le logiciel d’IA est utile à une étape du processus – la prédiction de la structure – mais ne peut pas aider à d’autres étapes, comme la modélisation de l’interaction physique entre les médicaments et les protéines.
Par ailleurs, d’autres modèles d’apprentissage automatique ont été plus précis qu’AlphaFold pour certaines simulations.
