Demis Hassabis, PDG d’Alphabet, groupe de recherche Google DeepMind, lors du sommet Future of Go de Google en Chine le 23 mai 2017.
LONDRES – DeepMind, propriété d’Alphabet, a développé un logiciel d’intelligence artificielle capable de prédire avec précision la structure dans laquelle les protéines se replieront en quelques jours, résolvant un «grand défi» vieux de 50 ans qui pourrait ouvrir la voie à une meilleure compréhension maladies et découverte de médicaments.
Chaque cellule vivante contient des milliers de protéines différentes qui la maintiennent en vie et en bonne santé. Il est important de prédire la forme dans laquelle une protéine se repliera, car elle détermine sa fonction et presque toutes les maladies, y compris le cancer et la démence, sont liées au fonctionnement des protéines.
« Les protéines sont les structures les plus belles et les plus magnifiques et la capacité de prédire exactement comment elles se replient est vraiment très, très difficile et a occupé de nombreuses personnes pendant de nombreuses années », a déclaré le professeur Dame Janet Thornton de l’Institut européen de bioinformatique.
Le système d’IA «AlphaFold» du laboratoire de recherche britannique DeepMind a été inscrit à un concours organisé par un groupe appelé CASP (Critical Assessment for Structure Prediction). C’est une organisation d’expérimentation communautaire dont la mission est d’accélérer les solutions à un problème: comment calculer la structure 3D des molécules de protéines.
Le CASP, qui surveille les progrès dans le domaine depuis 25 ans, compare les soumissions à un concours avec un «étalon-or expérimental». Lundi, il a déclaré que le système AlphaFold de DeepMind avait atteint des niveaux de précision inégalés dans la prédiction de la structure des protéines.
« DeepMind a fait un bond en avant », a déclaré le professeur John Moult, qui est le président du CASP, lors d’un appel à la presse avant l’annonce. « Un grand défi de 50 ans en informatique a été résolu dans une large mesure. »
Moult a ajouté qu’il y a « des impacts majeurs un peu plus tard pour la conception de médicaments » et dans le nouveau domaine émergent de la conception de protéines.
Avec environ 1000 employés et pratiquement aucun revenu, DeepMind est devenue une entreprise coûteuse pour Alphabet (la société mère de Google). Cependant, il est devenu l’un des leaders de la course mondiale à l’IA avec Facebook AI Research, Microsoft et OpenAI.
La percée a été saluée par le directeur général de Google Sundar Pichai sur Twitter.
Demis Hassabis, co-fondateur et directeur général de DeepMind, a déclaré lors de l’appel: «La vision ultime de DeepMind a toujours été de créer une IA générale, puis de l’utiliser pour nous aider à mieux comprendre le monde qui nous entoure en accélérant considérablement le rythme des découvertes scientifiques. »
La société, que Google a achetée pour 600 millions de dollars en 2014, est surtout connue pour avoir créé des systèmes d’IA capables de jouer à des jeux comme Space Invaders et l’ancien jeu de société chinois Go. Cependant, il a toujours dit qu’il voulait avoir plus d’impact scientifique.
« Les jeux sont un excellent terrain d’essai pour développer et tester efficacement des algorithmes généraux que nous espérions un jour transférer dans des domaines du monde réel tels que les problèmes scientifiques », a déclaré Hassabis. « Nous pensons qu’AlphaFold est un premier point de preuve pour cette thèse. Ces algorithmes deviennent maintenant suffisamment matures et puissants pour être applicables à des problèmes scientifiques vraiment difficiles. »
DeepMind a également participé à une compétition de repliement de protéines CASP en 2018. Alors que ses résultats à l’époque étaient impressionnants, John Jumper, responsable d’AlphaFold chez DeepMind, a déclaré que l’équipe savait qu’il était en quelque sorte de produire quelque chose avec « une très forte pertinence biologique ou d’être compétitif avec l’expérience. . «
Cependant, la compétition de cette année n’était pas simple, et Jumper a déclaré que DeepMind était resté trois mois sans faire de progrès. « Nous resterions assis là et nous inquiéterions si nous avons épuisé les données? » il a dit.
Même à l’approche de la date limite de la compétition, Jumper et son équipe craignaient toujours d’avoir commis des erreurs. «Il peut toujours y avoir une erreur qui s’infiltre dans les systèmes d’apprentissage automatique», a-t-il déclaré.
Mais leurs efforts semblent avoir porté leurs fruits. «Nous pensons vraiment que nous avons construit un système qui fournit des informations correctes et exploitables aux biologistes expérimentaux», a-t-il déclaré. « La raison pour laquelle vous avez une structure est de comprendre quelque chose sur le monde naturel et de poser encore plus de questions. Nous pensons que nous avons construit un système qui aidera vraiment les gens à faire cela. »
