Les scientifiques des protéines et l’IA s’affrontent

Une équipe de scientifiques des protéines de l’Université Rutgers a affronté un programme informatique.

Alerte spoiler : l’IA a gagné. Mais seulement d’une courte tête.

Confrontation entre les humains et l’IA

Les scientifiques ont décidé de mener une expérience qui mettait en compétition un humain ayant une compréhension approfondie de la conception et de l’auto-assemblage des protéines contre un programme informatique intelligent doté de capacités prédictives. En tête de liste des scientifiques potentiels se trouvait Vikas Nanda, un chercheur au Centre pour la biotechnologie et la médecine avancées (CABM) de Rutgers.

L’expérience visait à déterminer si l’humain ou l’IA pouvait mieux prédire quelles séquences de protéines se combinaient avec le plus de succès.

Les résultats ont été publiés dans Nature Chemistry.

Nanda, des chercheurs du laboratoire national d’Argonne dans l’Illinois, et divers collègues aux États-Unis affirment que la bataille a été « proche mais décisive ». La compétition a opposé Nanda et plusieurs collègues au programme IA, qui a remporté la victoire par une petite marge.

Les scientifiques cherchent à acquérir plus de connaissances sur l’auto-assemblage des protéines, car ils estiment que comprendre mieux ce processus leur permettrait de concevoir de nouveaux produits innovants pour des utilisations médicales et industrielles. L’un de ces produits pourrait être des tissus artificiels humains pour les blessures, tandis qu’un autre pourrait être des catalyseurs pour de nouveaux produits chimiques.

Nanda est professeur au département de biochimie et de biologie moléculaire de l’école de médecine Robert Wood Johnson de Rutgers.

« Malgré notre expertise approfondie, l’IA a obtenu des résultats aussi bons ou meilleurs sur plusieurs jeux de données, démontrant le potentiel considérable de l’apprentissage automatique pour surmonter les préjugés humains », a déclaré Nanda.

Conception de protéines et auto-assemblage

Les protéines sont composées d’un grand nombre d’acides aminés liés bout à bout, et les chaînes se replient pour former des molécules tridimensionnelles à formes complexes. La forme de chaque protéine et les acides aminés qu’elle contient déterminent son comportement. Des chercheurs comme Nanda s’engagent dans la « conception de protéines », ce qui signifie qu’ils créent des séquences qui produisent de nouvelles protéines. L’équipe a récemment conçu une protéine synthétique capable de détecter rapidement le VX, un agent neurotoxique dangereux. Cette nouvelle avancée pourrait avoir des implications importantes pour de nouveaux biosenseurs et traitements.

Les protéines s’auto-assemblent avec d’autres protéines pour former des superstructures importantes dans la biologie. Dans certains cas, il semble que les protéines suivent un modèle, comme lorsqu’elles s’auto-assemblent en une coque protectrice d’un virus. D’autres fois, elles s’auto-assemblent lors de la formation de structures biologiques associées à certaines maladies.

« Comprendre l’auto-assemblage des protéines est fondamental pour faire des progrès dans de nombreux domaines, notamment la médecine et l’industrie », a déclaré Nanda.

Nanda et cinq autres collègues ont reçu une liste de protéines et ont été invités à prédire lesquelles étaient susceptibles de s’auto-assembler. Les prédictions ont ensuite été comparées à celles du programme informatique.

Les experts humains ont utilisé des règles empiriques basées sur leur observation du comportement des protéines dans les expériences, y compris les modèles de charges électriques et le degré d’aversion à l’eau. Ils ont sélectionné 11 protéines qu’ils prédisaient s’auto-assembleraient, tandis que l’IA a choisi neuf protéines.

Leur expérience a montré que les humains ont fait six prédictions correctes sur les 11 protéines, tandis que le programme informatique en a choisi neuf.

L’expérience a également démontré que les experts humains « favorisaient » certains acides aminés par rapport à d’autres, ce qui a conduit à des choix incorrects. L’IA a correctement choisi certaines protéines avec des qualités qui ne les rendaient pas évidentes.

« Nous travaillons à acquérir une compréhension fondamentale de la nature chimique des interactions qui conduisent à l’auto-assemblage, donc j’ai craint que l’utilisation de ces programmes n’empêche des connaissances importantes », a déclaré Nanda. « Mais ce que je commence à vraiment comprendre, c’est que l’apprentissage automatique est simplement un outil de plus, comme n’importe quel autre. »