Un algorithme d'Altos Labs prédit la réponse des cellules à des interventions
Et si on pouvait tester la réponse d'une cellule à une intervention génétique avant de lancer la moindre expérience ? Des chercheurs d'Altos Labs ont développé un algorithme qui rapproche cette idée de la réalité.
Dans un preprint publié sur arXiv, l'équipe décrit un algorithme d'apprentissage automatique capable de prédire, de bout en bout, comment l'expression des gènes évolue en réponse à des interventions spécifiques. L'expression génique est le processus par lequel les instructions codées dans l'ADN sont converties en protéines. Elle détermine quels gènes sont actifs et à quel niveau. Prédire cela de manière fiable est un défi de longue date : une cellule met en jeu des milliers de composants qui interagissent simultanément.
Pourquoi c'est plus difficile que la prédiction du repliement des protéines
Des outils comme AlphaFold ont transformé la biologie structurale en prédisant la forme tridimensionnelle des protéines à partir de leur séquence d'acides aminés. Mais la biochimie complète d'une cellule vivante est, selon les chercheurs, plus complexe de plusieurs ordres de grandeur. Protéines, ARN, métabolites, voies de signalisation et signaux environnementaux interagissent tous en même temps.
Le nouvel algorithme adopte une approche différente des modèles antérieurs. Il fonctionne de bout en bout : à partir de la description d'une intervention -- comme l'inactivation d'un gène ou l'introduction d'un composé -- il prédit l'ensemble du profil d'activité génique qui en résulte. Les approches précédentes nécessitaient de combiner plusieurs modèles distincts, ce qui multipliait les risques d'erreur à chaque étape.
Ce que cela change pour la recherche sur le vieillissement
Pour la science de la longévité, l'enjeu est très concret. Le nombre d'interventions possibles est bien trop grand pour les tester une par une en laboratoire. Quel gène inhiber ? Quelle molécule ajouter ? Quelle combinaison de modifications a le plus de chances de ralentir le vieillissement cellulaire ? Un modèle prédictif fiable peut réduire considérablement cet espace de recherche et orienter les priorités expérimentales.
L'étude reste un preprint et n'a pas encore été soumise à une révision par les pairs. L'approche -- utiliser l'apprentissage automatique pour prédire de bout en bout le comportement cellulaire -- est toutefois largement considérée comme une piste prometteuse pour accélérer les découvertes en biologie.