Ce système d’apprentissage automatique est capable de prédire l’apparition de variantes de virus
Des chercheurs de la Harvard Medical School et de l’Université d’Oxford ont développé un algorithme d’intelligence artificielle, baptisé EVEscape, capable de prédire l’apparition de nouvelles variantes d’un virus. L’objectif : optimiser la conception de traitements efficaces. Leurs travaux ont été publiés le 11 octobre dans la revue scientifique Nature.
Le variant est un virus qui présente une ou plusieurs mutations génétiques par rapport à sa forme originale. Selon la localisation des mutations dans le matériel génétique du virus, elles peuvent affecter ses propriétés (transmission, gravité). Ainsi, les traitements – vaccins et thérapies – peuvent s’avérer moins efficaces, voire plus du tout. La course aux vaccins contre le SARS-CoV-2, le virus responsable de la maladie covid-2, en témoigne.
Prédire l’apparition de nouveaux variants
D’où l’idée des scientifiques d’utiliser l’IA pour calculer la probabilité qu’un variant de protéine virale donné induise une fuite immunitaire des anticorps. « Nous voulons savoir si nous pouvons anticiper la variation des virus et prédire [l’apparition] nouvelles variantes », a expliqué Debora Marks, professeur de biologie, l’une des auteurs de l’étude.
Les chercheurs sont partis du modèle EVE (acronyme de Evolutionary Model of Variant Effect), publié en octobre 2021, capable d’interpréter la signification des variantes génétiques humaines comme bénignes ou pathogènes. Face aux difficultés provoquées par la pandémie de covid-19, ils ont décidé de le développer pour qu’il soit capable de prédire les variants du SARS-CoV-2. « Nous prenons des informations biologiques sur le fonctionnement du système immunitaire et les superposons aux leçons tirées de l’histoire évolutive plus large du virus », a expliqué la co-auteure principale Nicole Thadani. Preuve, selon elle, que ce nouveau modèle est flexible et applicable à un grand nombre de virus.
yogaesoteric
5 novembre 2023
Also available in:
English