La révolution des biotechnologies et celle du Machine Learning
Daphné Koller est professeur du département d’informatique à l’Université de Stanford. Elle est également la co-fondatrice, avec Andrew Ng, de Coursera, la société pionnière de cours en ligne.
Son domaine de recherche est l’intelligence artificielle et ses applications en biomédecine. En 2012, elle a fondé la start-up Insitro qui a pour ambition de découvrir de nouveaux médicaments grâce au Machine Learning.
Pour Daphné Koller, deux révolutions sont en train de converger : la révolution des biotechnologies et la révolution du Machine Learning.
Le Machine Learning est capable d’identifier des relations parmi les montagnes de données générées par les biotechnologies que l’humain serait incapable d’analyser.
Le Machine Learning permet à partir des données d’une multitude de patients (features representation) d’obtenir une représentation géométrique (manifold). La proximité géométrique dans cette représentation (manifold) correspond à une proximité biologique.
La révolution des biotechnologies génère toujours plus de données qui permettent d’entraîner des modèles de Machine Learning. Les données génomiques ont récement explosées grâce à la diminution des coût de séquençage.
Les données sur les phénotypes n’ont pas connu la même augmentation.
Certains projets comme UK Biobank Data (UK)et All of us (USA) commencent à combler ce déficit de données sur les phénotypes. Les données collectées sont variées : tests sanguins, IRM, facteurs démographiques et environnementaux, dossiers médicaux.
Comprendre la progression de la maladie de NASH grâce au Machine Learning
La NASH (stéatohépatite non alcoolique), l’accumulation de gras dans les cellules du foie provoque la destruction progressive des cellules hépatique pouvant mener à des complications graves (cirhose).
Aux stades les plus avancés, cette maladie peut aussi entraîner un cancer du foie ou une insuffisance hépatique avec une greffe de foie, comme seule option pour le patient. Dans la population adulte française, la maladie de NASH concerne un Français sur 5. Son incidence tend à augmenter avec celle de l’obésité.
En avril 2019, le laboratoire pharmaceutique américain, Gilead Sciences, a annoncé le coup d’envoi d’une collaboration de recherche de trois ans avec Insitro (15 M$ d’avance plus 35 M$ en plus à court terme) pour trouver de nouveaux médicaments qui pourraient inverser ou au moins ralentir la progression de la maladie. Si certains objectifs sont atteints, Insitro percevra jusqu’à 1 milliard de dollars supplémentaires.
L’objectif des recherches menées par Daphné Koller est de déterminer des mutations pilotes (genetic drivers) à partir des images de biopsies de foie de malades de la maladie de Nash pour expliquer la progression de la maladie.
Un réseau de neurones convolutif (CNN) est entraîné pour classser les images dans quatre catégories qui correspondent à des symptômes de la maladie de Nash : fibrose, stéatose, inflammation lobulaire, ballonnement des hépatocytes.
En confrontant les résultats du classement des images des biopsies (phénotype)effectué par le CNN et le séquençage génétique (ADN, RNA) des biopsies : les chercheurs ont découvert deux nouvelles mutations pilotes qui expliquent la progression de la maladie.
Générer des données d’entraînement “In Vitro”
Pour entraîner ses modèles de Machine Learning, Insitro a choisi une démarche originale : créer ses propres données “In Vitro” en utilisant des techniques d’iPSC et CRISPR. Grâce à ces techniques innovantes, Insitro obtient des jeux de données massifs et diversifiés, ce qui permet de développer des modèles plus performants.
Les techniques d’iPSC permettent de transformer n’importe quelle cellule adulte en cellule souche. Ces cellules sont appelées iPS pour cellules souches pluripotentes induites (“induced pluripotent stem cells”).
CRISPR permet de modifier des gènes dans des cellules vivantes. Par exemple de modifier les gènes des malades de la maladie de Nash en introduisant les deux nouvelles mutations responsables de la progression de la maladie.
Plus de 20 autres start-ups courent après la découverte plus rapide et plus abordable de nouveaux médicaments grâce à l’Intelligence Artificielle.
Parmi elles, on retrouve Notable Labs dans le domaine de l’oncologie et Verge Genomics dans le domaine des maladies neurologiques dégénératives comme la Sclérose latérale amyotrophique et la maladie de Parkinson.
Article écrit à partir de ces ressources
