La filiale de DeepMind dévoile une IA propriétaire de l'échelle d'AlphaFold 4, suscitant l'enthousiasme et des préoccupations de secret dans la découverte de médicaments

Global - Agence de presse Ekhbary

La filiale de DeepMind dévoile une IA propriétaire de l'échelle d'AlphaFold 4, suscitant l'enthousiasme et des préoccupations de secret dans la découverte de médicaments

Dans un mouvement destiné à remodeler le paysage de la recherche pharmaceutique, Isomorphic Labs, la filiale biopharmaceutique de Google DeepMind basée à Londres, a annoncé un modèle d'intelligence artificielle révolutionnaire pour la découverte de médicaments. Surnommée 'IsoDDE' (Isomorphic DeepMind Drug Engine), cette IA propriétaire est saluée par certains scientifiques comme un bond générationnel, comparable à un "AlphaFold 4", en raison de ses capacités sans précédent à prédire des interactions moléculaires complexes. Cependant, la décision de l'entreprise de garder sa méthodologie sous le sceau du secret a déclenché un débat au sein de la communauté scientifique, qui a longtemps bénéficié de l'éthique open-source des projets précédents de DeepMind.

L'annonce, détaillée dans un rapport technique de 27 pages publié le 10 février, met en évidence la prouesse d'IsoDDE à prévoir avec précision comment les protéines interagissent avec des molécules thérapeutiques potentielles et les structures complexes des anticorps. Ces capacités représentent une avancée significative par rapport aux outils existants, y compris l'AlphaFold3 de DeepMind, qui avait été publié près de deux ans auparavant avec un accent sur la découverte de médicaments. AlphaFold3, contrairement à son prédécesseur primé AlphaFold2, a été conçu pour prédire les structures des protéines interagissant avec d'autres molécules, y compris les médicaments potentiels.

Mohammed AlQuraishi, biologiste computationnel à l'Université Columbia à New York, qui développe activement des versions open-source d'AlphaFold, a exprimé à la fois son admiration et son appréhension. "C'est une avancée majeure, à l'échelle d'un AlphaFold4", a noté AlQuraishi, faisant référence à une future génération non encore publiée de la technologie de Google DeepMind. Pourtant, son enthousiasme est tempéré par une mise en garde critique : "Le problème, bien sûr, est que nous ne connaissons aucun détail." Ce sentiment fait écho à une préoccupation plus large parmi les chercheurs qui dépendent de la transparence et de l'accès ouvert pour bâtir sur les découvertes scientifiques fondamentales.

La nature propriétaire d'IsoDDE contraste fortement avec les systèmes d'IA AlphaFold pour la prédiction de la structure des protéines, qui ont été largement partagés avec la communauté de recherche et méticuleusement documentés dans des revues évaluées par des pairs. Bien que le document technique d'Isomorphic Labs présente des résultats impressionnants, il offre un aperçu minimal des mécanismes novateurs qui permettent la performance supérieure d'IsoDDE, laissant les scientifiques indépendants spéculer sur la manière de reproduire ou même d'approcher des résultats similaires.

Le rapport d'IsoDDE revendique une surperformance significative par rapport aux modèles open-source contemporains et aux méthodes computationnelles traditionnelles basées sur la physique, en particulier pour déterminer l'affinité de liaison — la force avec laquelle les médicaments potentiels se fixent aux protéines. Il s'agit d'une métrique cruciale dans le développement de médicaments, nécessitant généralement d'importantes ressources computationnelles. Par exemple, un modèle open-source appelé Boltz-2, développé par des scientifiques du MIT et publié l'année dernière, visait également à prédire l'affinité de liaison et a montré des résultats prometteurs. La supériorité rapportée d'IsoDDE dans ce domaine, ainsi que ses prédictions de pointe pour les interactions anticorps-cible, souligne son potentiel à accélérer les pipelines de médicaments et à générer une valeur marchande substantielle, étant donné que les thérapies basées sur les anticorps représentent à elles seules des dizaines de milliards de livres sterling de ventes annuelles.

Max Jaderberg, président d'Isomorphic, a affirmé la singularité des modèles sous-jacents d'IsoDDE, les décrivant comme "profondément différents" des autres efforts. Cependant, il a confirmé l'intention de l'entreprise de garder sa "recette secrète" propriétaire, attribuant ses avancées à une synergie de "calcul, de données [et] d'algorithmes". Jaderberg a exprimé l'espoir que le rapport "galvaniserait" néanmoins d'autres équipes engagées dans le développement d'IA pour la découverte de médicaments, suggérant une conviction que les capacités démontrées, même sans divulgation complète, pourraient inspirer davantage d'innovation.

Le rôle des données propriétaires dans la performance exceptionnelle d'IsoDDE reste un point de spéculation. Diego del Alamo, biologiste structurel computationnel chez Takeda Pharmaceuticals, a souligné cette incertitude, notant que le rapport d'Isomorphic fait suite à "des efforts considérables pour s'associer à l'industrie et potentiellement accéder à leurs données structurelles privées". Inversement, Gabriele Corso, scientifique en apprentissage automatique et co-développeur de Boltz-2, estime que les données propriétaires pourraient ne pas être le seul facteur de différenciation. Sur la base des avancées que son équipe réalise avec des données accessibles au public, Corso a suggéré : "Il y a beaucoup d'améliorations que nous pouvons apporter avec les données disponibles. Je pense que c'est une nouvelle référence à atteindre — mais aussi à dépasser."

Isomorphic Labs a déjà conclu des partenariats lucratifs de développement de médicaments avec des géants pharmaceutiques tels que Johnson & Johnson, Eli Lilly et Novartis, potentiellement d'une valeur de plusieurs milliards de livres sterling. L'entreprise fait également progresser son propre pipeline de médicaments interne, avec des essais cliniques à l'horizon. Jaderberg a révélé que diverses versions d'IsoDDE existent, adaptées aux collaborations spécifiques avec des partenaires et intégrant diverses sources de données. Son collègue Michael Schaarschmidt, directeur de l'apprentissage automatique chez Isomorphic, a détaillé la stratégie de données "assez complète" de l'entreprise, qui intègre des données publiques, des données d'entraînement synthétiques et des sources de données qu'ils "essaieront de licencier". Cette approche multifacette de l'acquisition de données et du développement de modèles positionne Isomorphic Labs à l'avant-garde de la découverte de médicaments basée sur l'IA, même si elle navigue dans l'équilibre délicat entre le progrès scientifique et la confidentialité commerciale.

Agence de presse Ekhbary