En 2025, nous verra l’IA et l’apprentissage automatique commencer à amplifier l’impact de l’édition du génome Crispr dans la médecine, l’agriculture, le changement climatique et la recherche fondamentale qui sous-tend ces domaines. Il convient de dire d’emblée que le domaine de l’IA regorge de grandes promesses comme celle-ci. Avec toute nouvelle avancée technologique majeure, il y a toujours un cycle de battage médiatique, et nous y vivons actuellement. Dans de nombreux cas, les avantages de l’IA se situeront dans quelques années, mais dans la recherche en génomique et en sciences de la vie, nous constatons dès maintenant de réels impacts.

Dans mon domaine, l'édition génétique Crispr et la génomique en général, nous traitons souvent d'énormes ensembles de données ou, dans de nombreux cas, nous ne peut pas les traiter correctement parce que nous n'avons tout simplement ni les outils ni le temps. Les superordinateurs peuvent prendre des semaines, voire des mois, pour analyser des sous-ensembles de données pour une question donnée. Nous devons donc être très sélectifs quant aux questions que nous choisissons de poser. L’IA et l’apprentissage automatique suppriment déjà ces limitations, et nous utilisons des outils d’IA pour rechercher et faire des découvertes rapidement dans nos vastes ensembles de données génomiques.

Dans mon laboratoire, nous avons récemment utilisé des outils d'IA pour nous aider à trouver de petites protéines d'édition de gènes qui n'avaient pas été découvertes dans les bases de données publiques sur le génome parce que nous n'avions tout simplement pas la capacité d'analyser toutes les données que nous avons collectées. Un groupe de l'Innovative Genomics Institute, l'institut de recherche que j'ai fondé il y a 10 ans à l'UC Berkeley, s'est récemment associé à des membres du Département de génie électrique et d'informatique (EECS) et du Centre de biologie computationnelle, et a développé un moyen d'utiliser un grand modèle de langage, semblable à celui utilisé par de nombreux chatbots populaires, pour prédire de nouvelles molécules d'ARN fonctionnelles qui ont une plus grande tolérance à la chaleur que les séquences naturelles. Imaginez ce qui attend d’être découvert dans les énormes bases de données génomiques et structurelles que les scientifiques ont collectivement construites au cours des dernières décennies.

Ces types de découvertes ont des applications dans le monde réel. Pour les deux exemples ci-dessus, des éditeurs de génome plus petits peuvent contribuer à une administration plus efficace des thérapies dans les cellules, et la prévision des molécules d'ARN thermostables contribuera à améliorer les processus de biofabrication qui génèrent des médicaments et d'autres produits de valeur. Dans le domaine de la santé et du développement de médicaments, nous avons récemment assisté à l'approbation du premier traitement à base de Crispr pour la drépanocytose, et environ 7 000 autres maladies génétiques attendent un traitement similaire. L'IA peut aider à accélérer le processus de développement en prédisant les meilleures cibles d'édition, en maximisant la précision et l'efficacité de Crispr et en réduisant les effets hors cible. Dans le domaine agricole, les progrès de Crispr basés sur l’IA promettent de créer des cultures plus résilientes, productives et nutritives, garantissant une plus grande sécurité alimentaire et réduisant les délais de commercialisation en aidant les chercheurs à se concentrer sur les approches les plus fructueuses. Dans le domaine du climat, l’IA et Crispr pourraient ouvrir de nouvelles solutions pour améliorer le captage naturel du carbone et la durabilité environnementale.

Nous n’en sommes qu’à nos débuts, mais le potentiel d’exploiter de manière appropriée la puissance conjointe de l’IA et de Crispr, sans doute les deux technologies les plus avancées de notre époque, est clair et passionnant – et cela a déjà commencé.