Google et l’Université Yale ont dévoilé le 15 octobre un modèle d’IA révolutionnaire qui a identifié une nouvelle voie thérapeutique prometteuse contre le cancer, des tests en laboratoire confirmant que le médicament silmitasertib peut augmenter de 50 % la visibilité des tumeurs pour le système immunitaire. Le modèle Cell2Sentence-Scale, construit sur l’architecture Gemma de Google et entraîné sur 57 millions de cellules, a découvert ce mécanisme jusqu’alors inconnu en analysant les données génétiques comme un langage.
Cette découverte marque une avancée déterminante dans l’utilisation de l’IA pour accélérer la découverte de médicaments, en particulier pour les tumeurs immunologiquement froides qui résistent généralement aux traitements. Le modèle a prédit que l’inhibition de l’enzyme CK2 pourrait rendre ces tumeurs plus reconnaissables par le système immunitaire en augmentant les molécules MHC-I à la surface des cellules cancéreuses, selon le blog de recherche de Google.
Les chercheurs de Yale ont validé cette hypothèse générée par l’IA lors d’essais en laboratoire, en traitant des cellules neuroendocrines humaines avec du silmitasertib et de l’interféron. Les expériences ont confirmé la prédiction du modèle avec une augmentation de 50 % de la présentation des antigènes, un constat qui, selon les chercheurs de Google, n’avait jamais été rapporté auparavant dans la littérature scientifique.
La méthode Cell2Sentence transforme des données de single-cell RNA sequencing en chaînes de gènes ordonnées par niveau d’expression, permettant au modèle de langage de traiter des informations biologiques complexes. Le framework comprend deux versions — C2S-Scale-Gemma-2B et C2S-Scale-Gemma-27B — toutes deux publiées avec des poids ouverts sur Hugging Face, comme détaillé dans le dépôt GitHub de vandijklab.
Au-delà de l’identification de candidats-médicaments, le modèle peut prédire les effets des traitements, résumer des jeux de données et répondre à des questions biologiques complexes, selon les recherches publiées sur bioRxiv. Le système fut entraîné sur des données de bases publiques, notamment CellxGene et le Human Cell Atlas.
Cette percée démontre le potentiel de l’IA à générer des hypothèses scientifiques non évidentes que les chercheurs pourraient négliger. Toutefois, les résultats en sont encore aux tout premiers stades précliniques et nécessitent une évaluation par les pairs et de vastes essais cliniques avant toute application thérapeutique — un processus qui s’étend généralement sur plusieurs années, a indiqué Google.
L’équipe de recherche de Yale étudie désormais les mécanismes biologiques précis sous-jacents aux effets du médicament tout en testant d’autres prédictions du modèle. La publication open-source vise à donner aux chercheurs du monde entier les moyens d’explorer de nouvelles questions biologiques dans diverses maladies, accélérant potentiellement les découvertes dans plusieurs domaines thérapeutiques.
Cette réalisation constitue une preuve de concept convaincante de l’utilisation de modèles de fondation pour naviguer dans la complexité biologique, offrant un nouveau paradigme pour la découverte de médicaments qui pourrait réduire significativement temps et coût d’identification de candidats thérapeutiques prometteurs.
