Des scientifiques de la Université de Stanford ont utilisé l'intelligence artificielle pour créer des virus capables d'attaquer des bactéries. C'est ce que montre une étude publiée dans la revue Science. Cette avancée pourrait ouvrir de nouvelles portes pour la médecine, bien qu'elle suscite également des préoccupations concernant les utilisations potentiellement dangereuses.
L'équipe, dirigée par Samuel H. King, a utilisé un système d'intelligence artificielle appelé Evo. Contrairement aux méthodes précédentes, ils ne se sont pas contentés de copier des virus existants. Ils ont entraîné l'intelligence artificielle à détecter des motifs dans l'ADN présents dans la nature et, avec ces informations, ont généré des instructions pour créer des virus totalement nouveaux.
Ensuite, les scientifiques ont fabriqué l'ADN en suivant ces instructions : ils ont produit des virus jamais vus auparavant qui ont réussi à infecter d'autres bactéries, prouvant que le processus fonctionne.
Pour développer ce système, les auteurs ont eu recours à une comparaison fréquente : l'ADN partage une certaine similarité avec un livre. Il s'agit d'une chaîne de blocs moléculaires, les nucléotides, ordonnés comme des lettres sur une ligne de texte. Un gène contient des centaines de nucléotides et est construit avec un alphabet de quatre lettres, A, C, G et T. Cette séquence code des instructions pour la production de protéines et d'autres molécules.
L'étude repose sur une autre prémisse centrale : l'ADN possède des règles comparables à une grammaire. Si une séquence enfreint ces règles, le résultat est un non-sens biologique. Les biologistes connaissent une partie de ces normes, bien que beaucoup restent encore non résolues. À partir de cette incertitude, les chercheurs se sont demandés si Evo pouvait les apprendre par lui-même.
Au lieu de former le modèle avec un langage humain, ils l'ont alimenté avec des séquences génétiques de millions d'animaux, de plantes, de microbes et de virus. Au total, Evo a analysé près de neuf billions de nucléotides. À partir de ce volume, le système a reconnu des motifs communs à l'arbre de la vie et les a utilisés pour générer des plans de gènes capables de coder des protéines avec des fonctions spécifiques. Ce résultat a amené l'équipe à un objectif plus ambitieux : vérifier si le modèle pouvait maîtriser non seulement des gènes isolés, mais un génome complet.
Détails de l'expérience
L'expérience s'est concentrée sur les bactériophages, des virus qui détruisent les bactéries et qui intéressent depuis longtemps la communauté scientifique comme une possible voie pour créer des antibiotiques. En science, le suffixe "phage" signifie dévorer. D'où le nom de ces virus, qui sont souvent associés à l'idée d'organismes minuscules qui "mangent" des bactéries. Bien que cette description ne soit pas exacte dans un contexte scientifique, elle reflète néanmoins une caractéristique clé : leur capacité létale face à ces microorganismes.
Dans cette perspective, l'ingénieur chimiste Brian Hie et l'étudiant diplômé en bioingénierie Samuel King ont choisi d'étudier le bactériophage ΦX174, prononcé "FYE-ex-1-7-4". Hie, professeur adjoint d'ingénierie chimique et boursier à la Fondation Dieter Schwarz en science des données de Stanford, a développé Evo 2, une version générative du modèle conçue pour résoudre des problèmes biologiques complexes en suggérant de nouvelles séquences d'ADN.
À partir d'un fragment minimal de l'ADN de ΦX174, Evo 2 pouvait rédiger des génomes de phages dirigés contre E. coli, une bactérie qui peut être mortelle lorsque les infections s'aggravent. Le défi n'était pas mince. Le génome complet de ΦX174 compte moins de 6.000 paires de bases, et il est décrit dans l'étude comme une séquence de 5.400 caractères. Bien qu'il s'agisse d'une structure simple par rapport aux 3.000 millions de paires de bases du génome humain, cette brièveté relative n'élimine pas la difficulté d'interpréter le matériel génétique, gène par gène.
Jusqu'à récemment, Evo 2 opérait principalement sur le terrain informatique. Le nouvel article a déplacé ce travail vers le laboratoire. Basés sur des génomes rédigés par le modèle, les chercheurs ont synthétisé et testé environ 300 phages pour mesurer leur efficacité contre E. coli. Ensuite, ils ont réduit la sélection à 16 phages qui ont montré un rendement exceptionnel.
Hie a décrit le processus avec une définition directe : "Dans ce cas, nous voulons que le modèle génère le génome complet de bout en bout en un seul passage de gauche à droite. Nous n'avons rien ajouté", a-t-il expliqué. Le chercheur a ajouté que le système a produit des milliers d'options pour l'équipe et que, "dans les tests de laboratoire, certaines des suggestions d'Evo ont montré une meilleure aptitude que le phage natif ΦX174".
Cette performance acquiert de l'importance en raison d'un problème : la résistance bactérienne. Hie et King ont choisi ΦX174 non seulement en raison de la simplicité relative de son génome, mais aussi parce que le développement de plusieurs phages différents contre une même bactérie peut offrir une solution face à la perte d'efficacité des antibiotiques et des traitements basés sur un unique virus.
Hie a résumé cela de cette manière : "Si les bactéries développent une résistance à un seul phage, le médicament devient inutilisable". Il a ensuite proposé l'alternative qui stimule cette ligne de recherche : "Mais si l'on dispose de plusieurs phages génétiquement différents dans un mélange, il serait plus difficile pour les bactéries de développer une résistance à tout le cocktail".
L'hypothèse qui se dégage de cette proposition est concrète. Le travail pourrait mener à des antibiotiques résistants à la résistance, à partir de combinaisons de bactériophages génétiquement divers qui agissent ensemble contre l'immunité microbienne. La même approche pourrait s'étendre au développement de phages capables d'attaquer d'autres bactéries nuisibles, dont la tuberculose, le Staphylococcus aureus résistant à la méthicilline (SARM) et la Pseudomonas aeruginosa, l'une des principales causes d'infections hospitalières résistantes aux médicaments.
En guise de preuve de concept, l'équipe a présenté un résultat spécifique concernant E. coli. "Nous avons une preuve de concept dans l'article, où nous montrons que ce cocktail de 16 phages surmonte rapidement la résistance dans E. coli qui est immunisé contre le phage natif ΦX174", a affirmé Hie.
Le travail expérimental a également nécessité de résoudre des limitations techniques et économiques. Concevoir des génomes complets, les assembler nucléotide par nucléotide et les transférer ensuite à des bactéries demande des ressources et de la précision. Samuel H. King, premier auteur de l'étude, a dirigé cette partie du projet et développé un cadre computationnel pour évaluer des milliers de génomes potentiels et filtrer la liste jusqu'à obtenir les candidats les plus prometteurs.
King a expliqué la procédure de cette manière : "Une des parties principales du cadre de conception consistait à déterminer quelles caractéristiques devaient avoir les génomes en se basant sur ΦX174 et des phages apparentés". Puis il a précisé la séquence de travail : "Le cadre impliquait plusieurs étapes clés : générer des génomes en utilisant Evo 2, évaluer les options selon les critères de conception, sélectionner les candidats optimaux, les synthétiser chimiquement et ensuite les tester en laboratoire pour voir quels génomes fonctionnaient le mieux".
Hie a souligné le facteur économique derrière cette sélection. "Étant donné que le coût de la synthèse d'ADN reste assez élevé", a-t-il dit, "le cadre de travail de Samuel nous a aidés à nous concentrer uniquement sur les alternatives les plus viables".
La portée du projet a également ouvert une discussion sur l'accès et la sécurité. En raison de son potentiel dans les sciences médicales et biologiques, les chercheurs ont mis Evo 2 à la disposition du public de manière ouverte et gratuite. Quiconque peut télécharger le logiciel et l'utiliser pour concevoir de nouveaux génomes.
Cette décision a alimenté des débats réglementaires et de biosécurité. Hie soutient que la disponibilité ouverte accélère la recherche et permet d'obtenir des résultats applicables dans le monde réel. Il reconnaît en même temps que des versions modifiées de l'outil pourraient tomber entre de mauvaises mains. Son argument pointe vers un autre risque : les agents pathogènes naturels déjà existants représentent une menace plus grande car ils sont plus faciles à obtenir et à produire, et parce qu'il n'existe pas de contrôles de sécurité intégrés dans l'évolution naturelle. Selon ce point de vue, des systèmes avec IA comme Evo 2 peuvent offrir des avantages pour répondre à des pandémies naturelles et pour améliorer les défenses contre les menaces biologiques créées par l'homme.
À l'étape suivante, Hie travaille avec d'autres chercheurs de Stanford et d'autres institutions pour élargir la portée de Evo 2, tout en poursuivant sa propre ligne de recherche sur de nouveaux bactériophages. Il étudie également des fragments d'ADN plus longs et complexes, avec la possibilité d'avancer même sur de petits génomes bactériens capables de produire des substances chimiques utiles, des médicaments et des combustibles.
En projetant cet horizon, Hie a souligné quelles sont ses questions fondamentales : "Les questions les plus importantes que je me pose sont comment parvenir à une plus grande nouveauté génétique et comment obtenir un meilleur contrôle des résultats".
King, pour sa part, a mis l'accent sur la capacité d'exploration que permet l'outil. "Une des parties les plus gratifiantes de ce projet est la créativité que permet Evo 2", a-t-il affirmé. Ensuite, il a ajouté : "De nouvelles portes se sont ouvertes dans la science grâce à ce que nous pouvons faire avec ces modèles".
En dehors de l'équipe d'auteurs, l'étude a reçu des commentaires de Simon Clarke, professeur associé de microbiologie cellulaire à l'Université de Reading, qui n'a pas participé à la recherche. Clarke a déclaré : "Dans cette publication très importante, soutenue par des données de qualité excellent, des chercheurs de l'Université de Stanford ont utilisé des modèles d'IA pour concevoir de nouvelles variantes de phiX174, un virus qui infecte la bactérie E. coli et qui est appelé bactériophage. Les modèles ont généré des centaines de génomes synthétiques différents de toute séquence trouvée dans la nature".
Clarke a ajouté une autre évaluation sur les résultats du laboratoire : "Après avoir synthétisé ce matériel génétique en laboratoire, les expériences ont confirmé que 16 des phages conçus par IA ont réussi à infecter E. coli, montrant différents niveaux d'aptitude ; trois variantes ont même surpassé la souche parentale originale". Dans la même déclaration, il a estimé que plusieurs de ces virus synthétiques ont surpassé la résistance bactérienne naturelle à phiX174, ce qui, à son avis, soutient la proposition des auteurs concernant l'éventuel élan de la thérapie par phages face aux infections résistantes aux antibiotiques.
Dans son analyse, Clarke a également souligné l'aspect éthique de cette avancée. "Bien que les auteurs aient déjà démontré que l'exclusion de jeux de données peut empêcher les modèles d'IA de générer des pathogènes humains, cette étude prouve que l'IA peut créer des virus viables non naturels", a-t-il dit. Il a ensuite ajouté que, bien qu'il n'existe jusqu'à présent aucun travail utilisant cette méthode pour générer des pathogènes humains, "cette capacité soulève d'importantes questions éthiques, car elle confirme que la technologie pour générer des virus plus aptes existe déjà et peut être utilisée de manière plus efficace qu'auparavant".
Sa mise en garde finale vise la réglementation et la sécurité. "Comme le soulignent les auteurs, cela soulève de sérieuses préoccupations réglementaires et de sécurité, pour dire le moins", a affirmé Clarke. Il a ensuite ajouté que, bien que ce type de recherche soit souvent strictement réglementé, il est encourageant que les auteurs aient fait preuve de prudence en établissant des mesures de sécurité, bien qu'il n'existe aucune garantie que tous les scientifiques qui tenteraient quelque chose de similaire agissent avec le même niveau de prévoyance.
Les Instituts Nationaux de Santé des États-Unis ont adopté la semaine dernière une nouvelle politique pour freiner la recherche biologique à haut risque, avec une interdiction d'expériences qui rendraient les agents biologiques plus nuisibles.
Selon un communiqué, la règle n'interdit pas la recherche basée sur des ordinateurs : des travaux comme la génération d'ADN de virus avec intelligence artificielle restent hors de portée "sauf si cela implique une entité qui suscite des préoccupations".
Le Dr Hanke a prévenu que, tandis qu'il est facile d'identifier la menace qu'un virus naturel comme la variole représente, il n'existe aucun consensus sur la manière d'évaluer le danger potentiel d'un virus créé par un modèle d'intelligence artificielle.
“Quel risque y a-t-il à voir quelque chose que je n'ai jamais vu auparavant ?”, a-t-il demandé, selon le New York Times.