- L'intelligence artificielle transforme la recherche biologique dans des domaines tels que la génomique, la structuration des protéines et l'analyse d'images.
- Des modèles avancés tels qu'AlphaFold et AlphaGenome, associés à la bioinformatique et à la biologie des systèmes, nous permettent de prédire des structures, des fonctions et des voies métaboliques complexes.
- Les initiatives ouvertes et collaboratives (MOC-A, AI4LIFE, BioImage Model Zoo) démocratisent l'accès aux données, aux modèles et aux ressources informatiques.
- Des défis majeurs subsistent : le besoin de données de meilleure qualité, l’interprétabilité des modèles, la réglementation, l’éthique et l’accès équitable aux infrastructures d’IA.
La recherche biologique et l'intelligence artificielle se sont observées avec méfiance pendant des décennies, mais ces dernières années, elles sont devenues des partenaires indispensables. Ce qui se faisait autrefois uniquement avec des microscopes, des pipettes et des carnets de notes repose désormais sur des algorithmes capables d'analyser des millions de points de données, de prédire des structures moléculaires impossibles à résoudre manuellement et de suggérer de nouvelles expériences.
Cette nouvelle ère scientifique associe biologie computationnelle, science des données, modèles d'apprentissage profond et plateformes ouvertes pour aborder des problématiques aussi diverses que l'origine de la vie, le diagnostic des maladies complexes, la médecine de précision et la conception de médicaments. Il en résulte un changement de paradigme : la biologie s'écrit désormais, littéralement, sous forme de code.
De la bioinformatique classique à l'apprentissage profond en biologie
La biologie et l'IA ont longtemps progressé à des rythmes très différents : la biologie est complexe, riche en exceptions et dépendante du contexte , tandis que les algorithmes traditionnels nécessitent des données propres, homogènes et bien structurées pour fonctionner de manière robuste. Cette tension a constitué l'un des principaux obstacles à l'adoption généralisée de l'IA en laboratoire.
En biologie computationnelle, l'IA n'est cependant pas un phénomène nouveau : les méthodes d'apprentissage automatique étaient déjà utilisées dans les années 80 pour classifier les séquences de protéines et d'ADN , et les réseaux de neurones ont rapidement permis de prédire les structures secondaires des protéines. Depuis, ces techniques font partie intégrante du répertoire standard de la bioinformatique.
Lorsqu'on aborde l'intelligence artificielle en biologie, il est important de distinguer les techniques d'apprentissage automatique « classiques » des approches d'apprentissage profond . L'apprentissage automatique supervisé et non supervisé a été utilisé avec succès pour construire des classificateurs (par exemple, pour distinguer les échantillons « cancer » et « non cancéreux ») ou pour regrouper les gènes et les échantillons selon leurs profils d'expression, contribuant ainsi à la formulation d'hypothèses et à la priorisation des cibles expérimentales.
Les méthodes d'apprentissage profond , et notamment les réseaux neuronaux profonds , ont révolutionné des domaines spécifiques où le volume de données est massif et le signal très structuré, comme l'analyse d'images microscopiques ou histopathologiques. Dans ces domaines, l'IA surpasse largement les capacités humaines de détection de motifs subtils et répétitifs.
Tous les domaines de la biologie ne bénéficient pas de la même manière des avancées de l'apprentissage profond : ceux qui possèdent des millions de séquences bien stockées, comme les bases de données de protéines telles qu'UniProtKB , offrent un environnement idéal pour l'entraînement de modèles performants. En revanche, les référentiels d'interactions spécifiques, beaucoup plus petits et hétérogènes, ne permettent pas encore à l'apprentissage profond d'exploiter pleinement son potentiel.
Modèles de langage pour les protéines et l'impulsion donnée à la biologie structurale
L'une des évolutions les plus surprenantes a été l'adoption de modèles de langage, inspirés du traitement automatique du langage naturel , pour l'analyse des séquences protéiques. De même qu'un modèle de texte apprend les structures grammaticales et sémantiques, un modèle entraîné sur des millions de séquences d'acides aminés peut identifier des régularités reflétant la structure, la fonction et l'évolution.
Dans les récentes évaluations internationales des méthodes de prédiction de la fonction des protéines, telles que l'exercice CAFA5, la grande majorité des meilleurs modèles reposent sur ce type de représentation profonde . Ils sont entraînés sur des bases de données comme UniProtKB, riches en séquences, et sont capables de généraliser à des protéines mal caractérisées afin de suggérer des fonctions probables.
Cette avancée renforce l'impact de modèles comme AlphaFold, qui a propulsé la prédiction des structures tertiaires des protéines par l'IA sur le devant de la scène. À tel point que le prix Nobel de chimie a récemment salué le développement de protéines artificielles fonctionnelles et d'algorithmes de prédiction structurale comme une étape scientifique majeure.
Cependant, ces modèles présentent aussi des défis : ce sont de véritables « boîtes noires » difficiles à interpréter . Cela a conduit à l’émergence d’un sous-domaine entier, l’intelligence artificielle explicable (IAX), qui vise à décrypter les schémas spécifiques utilisés par le modèle et à comprendre pourquoi il prend certaines décisions – un aspect crucial dans le traitement des données biomédicales.
Au-delà des structures, l'application de modèles de langage protéique pour annoter les fonctions génétiques inconnues devient un outil essentiel pour tirer parti des millions de séquences qui ne font actuellement l'objet d'aucune caractérisation expérimentale.
L'IA pour reconstituer l'origine de la vie et le métabolisme primitif
L'union de la biologie computationnelle et de l'intelligence artificielle permet non seulement d'envisager l'avenir, mais aussi de remonter le temps et d'explorer le passé lointain de la vie . Un exemple frappant en est le travail de l'Institut de biologie des systèmes intégratifs (I2SysBio), où la stratégie dite du « métabolisme génératif » a été utilisée pour retracer l'évolution depuis le dernier ancêtre commun universel (LUCA) jusqu'aux premiers stades de la vie.
La génétique comparative permet d'estimer l'âge des ancêtres communs entre les espèces : plus les génomes sont similaires, plus leur dernier ancêtre commun est récent ; plus ils sont différents, plus on remonte dans le temps. Grâce à l'accumulation massive de génomes séquencés, le concept de LUCA — cet organisme ancestral dont descendent tous les êtres vivants actuels — a été affiné et est désormais situé à environ 4.200 milliards d'années.
Le principal défi, jusqu'à présent, a consisté à relier la chimie prébiotique de la Terre primitive aux métabolismes déjà organisés de LUCA . Ni les approches ascendantes (de la chimie simple à la biologie) ni les approches descendantes (des organismes actuels vers le passé) n'avaient permis de combler cet écart.
L'approche du métabolisme génératif utilise des algorithmes qui génèrent des réseaux métaboliques à partir d'ensembles de règles de réaction . En remontant le temps, elle infère quels gènes et enzymes ancestraux LUCA auraient pu posséder et quelles réactions étaient plausibles dans un environnement primitif spécifique, étendant ainsi l'espace métabolique au-delà des voies métaboliques connues aujourd'hui.
L’IA fonctionne ainsi comme une sorte de « détective moléculaire » capable de reconstituer des voies métaboliques hypothétiques , reliant les réactions actuelles à des ensembles plausibles de réactions prébiotiques. Cette approche, largement utilisée en biologie synthétique et en ingénierie métabolique, est ici réutilisée pour aborder l’une des grandes énigmes : comment un métabolisme complexe a-t-il émergé d’une chimie simple et désorganisée ?
La science des données appliquée à la biologie : du laboratoire à l’ordinateur
La recherche biologique moderne est devenue fortement numérisée. Aujourd'hui, un biologiste qui souhaite rester à la pointe de la recherche doit gérer des génomes entiers, des images à haute résolution et des données cliniques et environnementales , le tout intégré dans des chaînes de traitement analytiques de plus en plus complexes.
Dans ce contexte, la science des données appliquée à la biologie est devenue un profil essentiel. Un chercheur capable de combiner biologie, programmation et statistiques peut aller bien au-delà de la simple interprétation des résultats : il conçoit des expériences basées sur les données, construit des modèles prédictifs et collabore étroitement avec des ingénieurs et des informaticiens.
En génomique, les technologies de séquençage de nouvelle génération (NGS) génèrent des milliards de lectures par expérience, impossibles à gérer sans des techniques robustes d'apprentissage automatique, de statistiques et de calcul distribué . Ces outils permettent l'assemblage des génomes, l'identification des variants associés aux maladies et l'analyse des profils d'expression génique (RNA-seq) afin de découvrir quels gènes sont activés ou inhibés dans différentes conditions.
La biologie des systèmes, quant à elle, s'appuie sur la science des données pour reconstituer les réseaux de régulation génique, les interactions protéine-protéine et les voies métaboliques . L'objectif n'est plus d'étudier un gène isolé, mais de comprendre la cellule comme un réseau complexe, d'identifier les « nœuds » clés et de simuler l'évolution du système en cas de manipulation de ces nœuds.
Un autre domaine émergent est l'étude du microbiome et de la métagénomique . Dans ce domaine, l'IA permet de classifier des milliers d'espèces microbiennes dans un seul échantillon, d'établir des liens entre la composition microbienne et l'alimentation, les maladies ou les traitements, et de modéliser les interactions écologiques entre les microbes et leur environnement. Sans ces outils, le microbiome ne serait qu'une liste interminable de noms ; grâce à l'IA, il devient une mine d'or de biomarqueurs et de nouvelles cibles thérapeutiques.
Apprentissage profond pour l'imagerie biologique et la santé utérine
La microscopie moderne produit des images tridimensionnelles et temporelles de plus en plus complexes . Analyser manuellement toutes ces images serait impossible, c'est pourquoi la vision par ordinateur et l'apprentissage profond sont devenus des outils essentiels en biologie cellulaire et en médecine.
Les algorithmes actuels permettent de compter et de classer les cellules, de segmenter les structures, de détecter les tumeurs dans les biopsies numériques et de suivre le mouvement cellulaire en temps réel. Ceci permet non seulement de gagner du temps pour le personnel de laboratoire, mais aussi d'apporter objectivité et reproductibilité aux analyses.
En matière de santé utérine, l'alliance de la biologie des systèmes et de l'intelligence artificielle révolutionne notre compréhension de pathologies telles que l'endométriose, le syndrome d'Asherman et certaines formes d'infertilité. Au lieu de se limiter à un seul marqueur ou à une image isolée, les données génomiques, protéomiques, histologiques et cliniques sont intégrées pour élaborer des modèles décrivant l'utérus comme un système dynamique.
Grâce à ces modèles, il est possible de développer des outils de médecine personnalisée pour optimiser les traitements de fertilité , adapter les protocoles hormonaux en fonction de la réponse attendue de chaque patiente et détecter précocement les biomarqueurs de dysfonctionnement utérin. Des institutions comme la Fondation Carlos Simón travaillent précisément sur ce type d'approches intégratives.
Projets ouverts et écosystèmes d'IA collaboratifs dans les sciences de la vie
Le déploiement efficace de l'IA en biologie dépend non seulement de la qualité des modèles, mais aussi de la mise en place d'écosystèmes ouverts où les données, les outils et les ressources de calcul sont accessibles . Dans ce contexte, les logiciels libres, le cloud computing académique et les partenariats public-privé jouent un rôle central.
Un exemple en est la collaboration entre Red Hat Research et la Mass Open Cloud Alliance (MOC-A) , qui promeut un cloud ouvert dans lequel les universités, les centres publics et les entreprises partagent l'infrastructure : CPU, GPU, stockage, grandes bases de données, outils et modèles d'IA hébergés dans un centre de données neutre en carbone.
Sur cette base, par exemple, une plateforme avec Red Hat OpenShift AI a été déployée pour l'expérimentation en matière de découverte de médicaments , utilisée dans des forums où les chercheurs peuvent entraîner et tester des modèles open source, adapter les ressources à leurs besoins et continuer à accéder à leur travail après les événements.
L'accessibilité est essentielle : de nombreux groupes universitaires et hôpitaux régionaux ne disposent pas des infrastructures locales suffisantes pour gérer des charges de travail d'IA à grande échelle . Les plateformes partagées comme MOC-A démocratisent l'accès à des ressources qui seraient autrement réservées aux grandes entreprises pharmaceutiques ou aux centres de recherche de pointe.
Outre l'accessibilité, la transparence et la capacité d'auditer et d'adapter les modèles sont essentielles en biomédecine. L'open source permet la revue de code, l'ajustement des modèles aux contextes locaux et la création de solutions sur mesure pour des flux de travail spécifiques — chose difficile à réaliser avec des outils propriétaires et fermés.
AI4LIFE, données FAIR et modèles d'images prêts pour l'IA
En Europe, des projets comme AI4LIFE visent à rendre l'IA accessible aux biologistes ne possédant pas de compétences avancées en programmation . Leur objectif est de combler le fossé entre la puissance des techniques d'apprentissage profond et les réalités quotidiennes des laboratoires de sciences de la vie.
AI4LIFE développe des plateformes faciles à utiliser pour l'analyse d'images biologiques à l'aide de l'IA : segmentation cellulaire, détection de structures, extraction de caractéristiques… Le tout dans le cadre du principe FAIR pour les données (localisables, accessibles, interopérables et réutilisables), adapté aux ensembles d'images et aux modèles « prêts pour l'IA ».
Ce projet promeut des normes d' annotation et de documentation des jeux de données d'images afin de faciliter leur réutilisation pour l'entraînement de nouveaux modèles ou l'amélioration des modèles existants. Cela réduit la nécessité de retraiter les données de manière répétée, gagne du temps de calcul et favorise la collaboration entre les groupes.
L'un des piliers d'AI4LIFE est le BioImage Model Zoo, un répertoire communautaire de modèles pour l'analyse d'images biologiques . Les scientifiques peuvent y télécharger des modèles entraînés, les utiliser avec des outils d'analyse courants et contribuer en y ajoutant leurs propres modèles, créant ainsi un écosystème vivant et en constante amélioration.
Par ailleurs, le projet organise des initiatives telles que des appels à projets pour soutenir des cas d'usage spécifiques et des concours de « débruitage », où des méthodes d'amélioration de la qualité des images de microscopie sont développées et comparées. Cette approche collaborative accélère l'innovation, accroît la visibilité des nouveaux outils et facilite leur adoption.
Découverte de nouveaux antibiotiques et conception rationnelle de médicaments
La même logique, qui consiste à combiner séquences, modèles de langage et expérimentations in vitro, s'applique à un problème crucial : la résistance aux antibiotiques. Des laboratoires comme le Groupe de biologie des machines, dirigé par César de la Fuente, explorent l'utilisation de l'IA pour identifier et concevoir de nouvelles molécules antimicrobiennes.
Leur stratégie consiste à utiliser l'apprentissage profond pour analyser des millions de protéines et de peptides , provenant d'organismes actuels et d'espèces disparues, selon une approche appelée « désextinction moléculaire » : récupérer des molécules du passé ayant un potentiel antimicrobien et les optimiser grâce à la biologie synthétique.
Une partie de ce travail s'inspire de sources naturelles telles que les peptides antimicrobiens issus de la peau d'amphibiens , qui sont modifiés et améliorés grâce à l'IA afin de maximiser leur efficacité contre les bactéries résistantes et de minimiser la toxicité et les effets indésirables sur le microbiote humain.
Les modèles d'apprentissage automatique permettent non seulement de prédire quelles séquences pourraient avoir une action antibiotique, mais aussi d' optimiser la stabilité, la solubilité, la sélectivité et d'autres paramètres clés avant de passer aux essais en laboratoire. Cela réduit considérablement le délai entre l'idée initiale et l'obtention de candidats précliniques.
En ce qui concerne les carrières de recherche à venir, les profils maîtrisant la biologie, la programmation et les techniques d'IA sont à l'avant-garde de ce nouveau paradigme de découverte de médicaments assistée par algorithmes.
Intelligence artificielle et cellules souches : reprogrammation, thérapies et défis
Un autre domaine en pleine expansion est celui de l' intersection entre l'intelligence artificielle et la biologie des cellules souches . L'objectif n'est pas seulement d'analyser les données, mais aussi de concevoir des processus cellulaires plus efficaces et plus sûrs pour les applications cliniques.
L'une des avancées les plus marquantes est la collaboration entre OpenAI et Retro Biosciences , qui a permis d'améliorer les facteurs de Yamanaka, responsables de la conversion des cellules adultes en cellules souches pluripotentes induites (iPSC). Grâce à des modèles d'IA spécialisés en biologie, des variants présentant une capacité de reprogrammation nettement supérieure ont été identifiés.
Les résultats indiquent une reprogrammation cellulaire jusqu'à 50 fois plus efficace , avec une réparation de l'ADN améliorée et un rajeunissement cellulaire plus robuste. Ceci ouvre la voie à des thérapies régénératives plus puissantes et plus sûres, réduisant le risque de mutations ou de comportements indésirables dans les cellules reprogrammées.
Parallèlement, au Japon, des équipes, en collaboration avec des entreprises comme Google, travaillent à automatiser la production de cellules iPS grâce à l'intelligence artificielle . L'objectif est de standardiser et d'optimiser chaque étape du processus, afin de réduire les coûts et la variabilité et de rendre les thérapies cellulaires viables à grande échelle.
L'IA est également utilisée pour analyser des données complexes issues de systèmes biologiques (approches de type SysBioAI) , détecter les risques à un stade précoce, personnaliser les thérapies en fonction du profil moléculaire de chaque patient et ajuster les traitements en temps réel selon la réponse observée.
Les applications potentielles vont de l'accélération des essais cliniques et de la réduction des coûts à la médecine régénérative personnalisée, au rajeunissement cellulaire et à l'intégration de l'IA à toutes les étapes de la chaîne biomédicale. Bien entendu, cela soulève d'importants défis : l'hétérogénéité cellulaire, les risques pour la sécurité , la réglementation, l'éthique et le besoin constant de données de haute qualité.
Parallèlement, des réglementations telles que la loi européenne sur l'intelligence artificielle visent à garantir que ces progrès soient déployés dans des cadres de transparence, de contrôle humain et de garanties de sécurité, notamment dans les applications médicales à haut risque.
AlphaGenome et la « matière noire » du génome humain
Si AlphaFold a changé notre façon de comprendre le repliement des protéines, AlphaGenome vise désormais à traduire le code de l'ADN en informations fonctionnelles , avec un intérêt particulier pour les 98 % du génome qui ne codent pas pour des protéines mais concentrent la plupart des variantes liées aux maladies complexes.
Développé par l'équipe Google DeepMind, AlphaGenome est un modèle d'IA basé sur l'apprentissage profond, entraîné sur des génomes humains et de souris , capable d'analyser de longs segments d'ADN et de prédire des milliers de signaux génétiques liés à la régulation des gènes et des protéines.
Dans les évaluations standardisées, ses prédictions égalent ou surpassent celles des autres modèles de référence dans la quasi-totalité des tests, ce qui conduit de nombreux experts à le considérer comme une avancée majeure en génomique computationnelle . Sa capacité à interpréter les régions non codantes en fait un outil essentiel pour décrypter la « matière noire » du génome.
Les implications pratiques sont énormes : AlphaGenome pourrait améliorer l’interprétation des tests génétiques, identifier les variants rares impliqués dans les pathologies , orienter le développement de nouveaux traitements et simuler la façon dont les mutations dans les régions régulatrices modifient l’expression des gènes.
Des chercheurs de centres tels que le CNB-CSIC, le Francis Crick Institute ou le Wellcome Sanger soulignent que, même s'il ne s'agit pas d'une baguette magique qui résout tous les problèmes , c'est une prouesse d'ingénierie remarquable qui intègre de nombreuses idées antérieures et les porte à un niveau de performance bien supérieur.
Ils soulignent toutefois un point essentiel : ces modèles dépendent fortement de la qualité, de la diversité et de la standardisation des données d’entraînement . Le principal défi à venir est de générer et de partager des données biologiques robustes, ouvertes et bien documentées afin d’alimenter la prochaine génération d’IA génomique.
Dans ce contexte, la recherche biologique soutenue par l'intelligence artificielle émerge comme un domaine en constante expansion, où la combinaison d'ensembles de données massifs, de modèles avancés, d'infrastructures ouvertes et de collaboration interdisciplinaire redéfinit la manière dont les questions scientifiques sont formulées et dont les réponses sont recherchées, de l'origine de la vie aux thérapies les plus personnalisées de la médecine actuelle.
