Un algorithme prédit comment les cellules réagissent à des interventions
Que se passe-t-il dans une cellule quand on coupe un gène ou qu'on y ajoute un composé ? Jusqu'ici, il fallait faire l'expérience pour le savoir. Un nouvel algorithme d'Altos Labs peut prédire la réponse avant même d'entrer au laboratoire.
Simuler toute la complexité d'une cellule vivante sur ordinateur reste hors de portée. Mais des chercheurs d'Altos Labs ont mis au point un algorithme d'apprentissage automatique capable de prédire l'expression génique, c'est-à-dire le niveau d'activité de chaque gène dans une cellule, après une intervention précise. Ces travaux ont été publiés sous forme de prépublication sur arXiv.
Le système fonctionne comme un modèle prédictif de bout en bout. On spécifie une intervention, et l'algorithme produit un profil d'activité génique prédit pour la cellule. Cela permet de tester des hypothèses sur le vieillissement, les maladies et les traitements potentiels sans multiplier les expériences en laboratoire. Les chercheurs présentent cette avancée comme un progrès notable par rapport aux approches existantes de simulation biologique.
Pourquoi c'est plus difficile que la prédiction de structures protéiques
Des modèles comme AlphaFold résolvent un problème unique et bien défini : prédire la structure d'une protéine à partir de sa séquence. Prédire les réponses cellulaires à des interventions est bien plus complexe. Une cellule contient des milliers de gènes qui interagissent au sein de réseaux de régulation très denses. L'algorithme d'Altos Labs se concentre précisément sur la prédiction causale dans cet espace, en s'entraînant sur de grands ensembles de données de réponses cellulaires connues à diverses perturbations.
La capacité du modèle à généraliser à des interventions nouvelles et non testées est la question centrale. La prépublication fait état d'une précision prometteuse, mais une réplication indépendante sera nécessaire pour valider ces résultats.
Ce que cela change pour la recherche sur la longévité
De nombreuses interventions sur la longévité agissent en modifiant les profils d'expression génique. Un modèle prédictif fiable pourrait aider à repérer les candidats les plus prometteurs plus rapidement, avant de les tester sur des organismes vivants. Cela raccourcit le cycle entre l'hypothèse et la validation expérimentale. Pour un domaine limité par le coût et la durée des études animales, un tel outil informatique pourrait se révéler précieux, à condition que ses prédictions résistent à un examen rigoureux.