Le rôle de l’IA dans l’édition de gènes

L’intelligence artificielle fait des vagues dans de nombreux secteurs, mais son impact est plus important dans certains domaines que dans d’autres. La médecine et les autres sciences ont beaucoup à gagner de cette technologie, grâce à leur travail lourd en données et à la demande de rapidité et de précision. Dans ces domaines, l’édition de gènes est un cas d’utilisation particulièrement prometteur pour l’IA.

La pratique de la modification de gènes pour contrôler des résultats spécifiques chez les organismes vivants est apparue pour la première fois dans la fiction, mais elle a émergé dans des expériences réelles autour des années 1960. Au fil des décennies, elle a évolué pour produire plusieurs avancées médicales de pointe et des possibilités de recherche. Cependant, les scientifiques n’ont scratché que la surface de ce que l’édition de gènes peut accomplir. L’IA pourrait être le prochain grand pas.

Comment l’IA change l’édition de gènes

Les chercheurs ont déjà commencé à expérimenter l’IA dans la recherche et l’édition de gènes. Bien qu’il s’agisse d’un concept relativement nouveau, il a déjà donné des résultats impressionnants.

Augmentation de la précision de l’édition de gènes

L’un des avantages les plus notables de l’IA dans l’édition de gènes est sa capacité à améliorer la précision de ce processus. La classification des gènes qui produisent des changements spécifiques est cruciale pour une édition de gènes fiable, mais elle a historiquement été complexe et sujette à des erreurs. L’IA peut identifier ces relations avec une précision supplémentaire.

Une étude de 2023 a développé un modèle d’apprentissage automatique qui a atteint une précision de jusqu’à 90% pour déterminer si les mutations étaient nocives ou bénignes. Cette connaissance aide les professionnels de la santé à comprendre ce qu’ils doivent rechercher ou à identifier quels gènes traiter pour prévenir des résultats de santé donnés.

La précision de l’édition de gènes est également une question de compréhension des relations complexes entre l’ADN et les protéines. Utiliser la structure de protéine appropriée est essentiel lors de l’attachement et de la suppression de séquences de gènes. Les scientifiques ont récemment découvert que l’IA peut analyser 49 milliards d’interactions protéine-ADN pour développer des mécanismes de modification fiables pour des brins génétiques spécifiques.

Recherche génomique rationalisée

En plus de fournir des éclaircissements sur l’édition génomique, l’IA accélère le processus. Les modèles d’analyse prédictive peuvent simuler les interactions entre diverses combinaisons de matériel génétique beaucoup plus rapidement que les tests manuels en temps réel. En conséquence, ils peuvent mettre en évidence des domaines de recherche prometteurs, conduisant à des avancées en moins de temps.

Ce cas d’utilisation d’IA a aidé les sociétés biopharmaceutiques à livrer des vaccins contre la COVID-19 en un temps record. Moderna a produit et testé plus de 1 000 brins d’ARN par mois, alors que les méthodes manuelles n’auraient créé que 30. Sans la rapidité de l’apprentissage automatique, il aurait probablement fallu beaucoup plus de temps pour reconnaître quelles interactions génétiques étaient les plus prometteuses pour lutter contre la COVID-19.

Ces applications peuvent conduire à des résultats en dehors de la médecine, également. L’analyse prédictive peut modéliser les possibilités d’édition de gènes pour suggérer des moyens de modifier les cultures pour les rendre plus résistantes au climat ou nécessitant moins de ressources. L’accélération de la recherche dans ces domaines aiderait les scientifiques à apporter les améliorations nécessaires pour atténuer le changement climatique avant que les pires effets ne se produisent.

Médecine personnalisée

Certaines des utilisations les plus révolutionnaires de l’IA dans l’édition de gènes les portent à un niveau plus ciblé. Au lieu de regarder les tendances génétiques générales, les modèles d’apprentissage automatique peuvent analyser les génomes de personnes spécifiques. Cette analyse granulaire permet une médecine personnalisée – adapter les traitements génétiques à l’individu pour de meilleurs résultats pour les patients.

Les médecins ont déjà commencé à utiliser l’IA pour analyser les changements de protéines dans les cellules cancéreuses pour déterminer quel traitement serait le plus utile pour un cas spécifique. De même, l’analyse prédictive peut tenir compte de la constitution génétique unique des patients, qui peut influencer l’efficacité du traitement, les effets secondaires ou la probabilité de certains développements.

Lorsque les systèmes de soins de santé peuvent adapter les soins à l’individu sur le plan génétique, ils peuvent minimiser les effets secondaires indésirables et s’assurer qu’ils poursuivent le meilleur traitement en premier. En conséquence, plus de personnes peuvent obtenir l’aide dont elles ont besoin avec moins de risques.

Problèmes potentiels avec l’IA dans l’édition de gènes

Bien que ces premiers cas d’utilisation soient prometteurs, l’application de l’IA dans l’édition de gènes comporte certains pièges potentiels. Considérer ces dangers à la lumière des avantages peut aider les scientifiques à déterminer comment appliquer au mieux cette technologie.

Coûts élevés

Comme de nombreuses nouvelles technologies, les systèmes d’IA avancés nécessaires pour l’édition de gènes sont coûteux. L’édition de gènes est déjà un processus coûteux – certains traitements géniques coûtent jusqu’à 3,5 millions de dollars par traitement – et l’apprentissage automatique peut le rendre encore plus coûteux. Ajouter un autre coût technologique pourrait le rendre inaccessible.

Cette barrière financière soulève des questions éthiques. L’édition de gènes est une technologie puissante, donc si elle n’est accessible qu’aux riches, elle pourrait élargir le fossé existant dans l’égalité des soins. Un tel fossé nuirait à la santé des familles de la classe ouvrière et de la classe moyenne et deviendrait une question de justice sociale.

D’un autre côté, l’IA a le potentiel de réduire les coûts, également. La recherche rationalisée et la réduction des erreurs pourraient conduire à un développement technologique plus rapide et justifier des prix inférieurs pour les développeurs. En conséquence, l’édition de gènes pourrait devenir plus accessible, mais seulement si les entreprises utilisent l’IA avec cet objectif à l’esprit.

Préoccupations en matière de sécurité

La fiabilité de l’IA est une autre préoccupation. Bien que l’apprentissage automatique soit remarquablement précis dans de nombreux cas, il est imparfait, mais les gens ont tendance à s’appuyer trop sur lui en raison de ses affirmations dramatiques de précision. Dans un contexte d’édition de gènes, cela pourrait conduire à des erreurs importantes, potentiellement entraînant des préjudices médicaux ou des dommages aux cultures si les gens ne parviennent pas à détecter les erreurs de l’IA.

En plus des hallucinations, les modèles d’apprentissage automatique ont tendance à exagérer les préjugés humains. Cette tendance est particulièrement préoccupante dans les soins de santé, où un corps de recherche existant contient des préjugés historiques. En raison de ces omissions, les modèles d’IA de détection du mélanome sont moins de la moitié aussi précis lorsqu’ils diagnostiquent des patients noirs par rapport aux populations blanches. Des tendances similaires pourraient avoir des conséquences graves lorsque les médecins fondent leurs décisions d’édition de gènes sur une telle analyse.

Ne pas détecter ou tenir compte de ces erreurs pourrait contrecarrer les avantages principaux de la médecine personnalisée, de l’augmentation des cultures et d’autres applications d’édition de gènes. Les problèmes de fiabilité comme ceux-ci peuvent également être difficiles à détecter, ce qui complique encore la pratique.

Où l’édition de gènes par IA peut aller à partir de là

L’avenir de l’édition de gènes par IA repose sur la manière dont les développeurs et les utilisateurs finaux peuvent aborder les obstacles tout en profitant des avantages. Les modèles d’IA explicables constitueront un pas positif en avant. Lorsqu’il est clair comment un algorithme d’apprentissage automatique parvient à une décision, il est plus facile de le juger pour les préjugés et les erreurs, permettant ainsi une prise de décision plus sûre.

En mettant l’accent sur l’IA pour l’efficacité et la réduction des erreurs plutôt que sur des processus impressionnants mais coûteux, cela aidera à répondre aux préoccupations en matière de coûts. Certains chercheurs pensent que l’IA pourrait ramener les coûts de la thérapie génique à près de 0 en éliminant de nombreuses complications dans la recherche, la production et la livraison. Les expériences préliminaires ont déjà produit des améliorations exponentielles de l’efficacité de la livraison, donc des progrès supplémentaires pourraient rendre l’édition de gènes accessible.

En fin de compte, cela dépend de ce sur quoi la recherche en thérapie génique par IA se concentre et de la rapidité avec laquelle la technologie peut progresser. L’apprentissage automatique pourrait perturber considérablement le domaine si les organisations l’utilisent correctement.

L’édition de gènes par IA a un potentiel prometteur

L’édition de gènes a déjà débloqué de nouvelles possibilités en médecine, en agriculture et au-delà. L’IA pourrait prendre ces avantages plus loin.

Bien que des obstacles importants subsistent, l’avenir de l’IA dans l’ingénierie génétique looks prometteur. Apprendre ce qu’elle peut changer et quels problèmes elle peut entraîner est la première étape pour s’assurer qu’elle amène le domaine où il doit être.