((Traduction automatisée par Reuters à l'aide de l'apprentissage automatique et de l'IA générative, veuillez vous référer à l'avertissement suivant: https://bit.ly/rtrsauto)) par Stephen Nellis
SandboxAQ, une startup d'intelligence artificielle issue d'Alphabet GOOG.O Google et soutenue par Nvidia NVDA.O , a publié mercredi un ensemble de données qui, espère-t-elle, accélérera la découverte de nouveaux traitements médicaux en aidant les scientifiques à comprendre comment les médicaments se lient aux protéines.
L'objectif est d'aider les scientifiques à prédire si un médicament se liera à sa cible dans le corps humain. Mais si les données sont étayées par des expériences scientifiques réelles, elles ne proviennent pas d'un laboratoire. SandboxAQ, qui a levé près d'un milliard de dollars en capital-risque , a généré les données à l'aide des puces Nvidia et les introduira dans des modèles d'IA que les scientifiques peuvent utiliser pour prédire rapidement si une petite molécule pharmaceutique se liera à la protéine ciblée par les chercheurs, une question clé à laquelle il faut répondre avant qu'un médicament candidat ne puisse être mis sur le marché.
Par exemple, si un médicament est destiné à inhiber un processus biologique tel que la progression d'une maladie, les scientifiques peuvent utiliser l'outil pour prédire si la molécule du médicament est susceptible de se lier aux protéines impliquées dans ce processus.
L'approche est un domaine émergent qui combine les techniques traditionnelles de calcul scientifique avec les progrès de l'intelligence artificielle. Dans de nombreux domaines, les scientifiques disposent depuis longtemps d'équations permettant de prédire avec précision comment les atomes se combinent pour former des molécules.
Mais même pour des molécules pharmaceutiques tridimensionnelles relativement petites, les combinaisons potentielles deviennent beaucoup trop vastes pour être calculées manuellement, même avec les ordinateurs les plus rapides d'aujourd'hui. L'approche de SandboxAQ a donc consisté à utiliser les données expérimentales existantes pour calculer environ 5,2 millions de nouvelles molécules tridimensionnelles "synthétiques" - des molécules qui n'ont pas été observées dans le monde réel, mais qui ont été calculées à l'aide d'équations basées sur des données réelles.
Ces données synthétiques, que SandboxAQ rend publiques, peuvent être utilisées pour former des modèles d'IA capables de prédire si une nouvelle molécule médicamenteuse est susceptible d'adhérer à la protéine ciblée par les chercheurs, et ce, en une fraction du temps qu'il faudrait pour le calculer manuellement, tout en conservant la même précision. SandboxAQ facturera ses propres modèles d'IA développés à partir des données, et espère ainsi obtenir des résultats comparables à ceux des expériences en laboratoire, mais virtuels.
"Il s'agit d'un problème de longue date en biologie que nous essayons tous, en tant qu'industrie, de résoudre", a déclaré mardi à Reuters Nadia Harhen, directrice générale de la simulation d'IA chez SandboxAQ. "Toutes ces structures générées par calcul sont associées à des données expérimentales de référence. Ainsi, lorsque vous sélectionnez cet ensemble de données et que vous entraînez des modèles, vous pouvez réellement utiliser les données synthétiques d'une manière qui n'a jamais été faite auparavant."
0 commentaire
Vous devez être membre pour ajouter un commentaire.
Vous êtes déjà membre ? Connectez-vous
Pas encore membre ? Devenez membre gratuitement
Signaler le commentaire
Fermer