Technologie sans conscience n’est que ruine de l’Homme.
Pourquoi cet article est intéressant ? L. Bardon . – La biologie synthétique ressemble à une version de Minecraft capable d’altérer notre réalité. Plutôt que des blocs numériques, la biologie synthétique réorganise les éléments de base de l’ADN de la vie, les protéines, les circuits biochimiques – pour recâbler les organismes vivants ou même en construire de nouveaux. En théorie, il n’y a pas de limite à la réécriture de la vie : de la viande cultivée en laboratoire qui a le même goût que la vraie viande avec un impact bien moindre sur notre environnement, des cellules de levure qui produisent des médicaments vitaux, un biocarburant recyclable… Mais il y a un hic : pour y parvenir, nous devons d’abord être capables de prédire comment le changement d’un gène ou d’une protéine finit par modifier une cellule. Une cellule humaine porte plus de 20 000 gènes, dont chacun peut être activé, désactivé ou modifié à des niveaux d’expression différents. Les protéines extérieures d’un virus, par exemple, comportent des dizaines de milliers de sous-composants. Les modèles d’apprentissage machine peuvent trier cette masse de données et prédire quels sous-composants sont les plus immunogènes – c’est-à-dire capables de produire une réponse immunitaire – et ainsi guider les chercheurs dans la conception de vaccins ciblés. L’utilisation de l’IA dans le développement de vaccins pourrait révolutionner la manière dont tous les vaccins seront créés à l’avenir.
Synthèse
Selon une étude récemment publiée dans Nature Communications, l’apprentissage automatique pourrait identifier les “gènes importants” qui permettent aux cultures de pousser avec moins d’engrais. Il pourrait également prédire d’autres caractéristiques des plantes et l’issue de maladies chez les animaux. L’utilisation des données génomiques pour prédire les résultats dans les domaines de l’agriculture et de la médecine est à la fois une promesse et un défi pour la biologie des systèmes. Les chercheurs s’efforcent de déterminer la meilleure façon d’utiliser la grande quantité de données génomiques disponibles pour prédire comment les organismes réagissent aux changements de nutrition, aux toxines et à l’exposition aux agents pathogènes, ce qui permettrait d’améliorer les cultures, de pronostiquer les maladies, de faire de l’épidémiologie et d’améliorer la santé publique. Cependant, la prédiction précise de résultats aussi complexes en agriculture et en médecine à partir d’informations à l’échelle du génome reste un défi important.
Dans l’étude de Nature Communications, les chercheurs de l’Université de New York et leurs collaborateurs aux États-Unis et à Taïwan ont relevé ce défi en utilisant l’apprentissage automatique, un type d’intelligence artificielle utilisé pour détecter des modèles dans les données. L’azote est un nutriment essentiel pour les plantes et le principal composant des engrais. Les cultures qui utilisent l’azote plus efficacement ont une meilleure croissance et nécessitent moins d’engrais, ce qui présente des avantages économiques et environnementaux. Les chercheurs ont mené des expériences qui ont permis de valider huit facteurs de transcription maîtres comme gènes importants pour l’efficacité de l’utilisation de l’azote. Ils ont montré que la modification de l’expression des gènes dans l’Arabidopsis ou le maïs pouvait augmenter la croissance des plantes dans les sols à faible teneur en azote, ce qu’ils ont testé à la fois en laboratoire à l’Université de New York et dans des champs de maïs à l’Université de l’Illinois.
En outre, les chercheurs ont prouvé que cette approche d’apprentissage automatique pouvait être appliquée à d’autres caractéristiques et espèces en prédisant d’autres caractéristiques chez les plantes, notamment la biomasse et le rendement chez Arabidopsis et le maïs. Ils ont également montré que cette approche peut prédire les gènes importants pour la résistance à la sécheresse dans une autre culture de base, le riz, ainsi que les résultats de maladies chez les animaux en étudiant des modèles de souris.
La suite ici (New York University)
Merci, Monsieur
Excellent article (comme la plupart de vos articles très branchés “IA “…. ce qui m’intéresse beaucoup).
Je m’intéresse aussi au quantique (futur écosystème informatique qui remplacera le numérique classique).
Où en sont les développements de la recherche :
– ordinateur quantique (qu’est-ce qui bloque : la fabrication des qubits “instables”, l’étude des portes quantiques
pour assurer tout le traitement de l’information, autre…….),
– capteurs quantiques ? télécommunications quantiques N???
Merci, très cordialement.