Une intelligence artificielle fabrique de l’ADN pour la première fois

[cgelinas]

Une intelligence artificielle vient de franchir un cap avec la création, pour la toute première fois, de « nouveaux génomes artificiels de haute qualité ».

Ces séquences de génomes totalement synthétiques n’appartiennent à aucun être humain mais sont impossibles à différencier de « vrais » génomes humains. L’objectif, à terme, est d’enrichir les bases de données génétiques et d’y apporter plus de diversité.

Cette prouesse a été réalisé par une équipe de chercheurs français, estoniens, turques et italiens. Ils ont développé une intelligence artificielle capable d’apprendre les distributions complexes des données génomiques et de générer des « génomes artificiels de haute qualité » (AGs). Ce système d’apprentissage automatique (machine learning) a été mis au point grâce aux séquences génétiques issues de 2 500 personnes, tout en respectant la confidentialité des données utilisées.

Comment l'IA a-t-elle pu produire de l'ADN humain synthétique?

Leur étude, publiée dans le journal Plos Genetics, décrit l’utilisation d’une intelligence artificielle formée par des « réseaux adverses génératifs » (GANs) et des machines de Boltzmann restreinte (RBM).

Les réseaux adverses génératifs sont une classe d’algorithme basée sur un scénario de théorie des jeux qui met en place deux réseaux distincts : l’un génère des échantillons, et l’autre est chargé de détecter les faux échantillons. Des GANs de type neuronal, ou « réseaux neuronaux génératifs », ont été auparavant déjà utilisés pour générer des séquences allant jusqu’à une centaine de bases d’ADN. Or, c’est la première fois qu’un réseaux neuronal génératif est utilisé pour générer des séquences allant jusqu’à des millions de paires de bases d’ADN, plus précisément, de longues régions qui contiennent une dizaine de milliers de nucléotides. Les machines de Boltzmann, quant à elles, sont également un type de réseau neuronal artificiel, utilisées pour apprendre et estimer la distribution probabiliste d’un ensemble de données.

Pour créer les génomes artificiels, le réseau neuronal générateur GANs a utilisé les séquences d’ADN de donneurs pour d’abord générer, grâce à des algorithmes, des séquences similaires, et ensuite mélanger les différentes séquences. Ces résultats sont soumis à examen par un autre type de réseau neuronal discriminateur GANs qui compare les génomes synthétiques et les génomes provenant de vrais humains afin de détecter les différences. Ce processus est répété jusqu’à ce que l’intelligence artificielle GANs parvienne à reproduire toutes les caractéristiques d’une région d’un génome humain, ou de milliers de variants répartis le long d’un chromosome, y compris des caractéristiques telles que la fréquence des variations d’un même gène (les allèles), le déséquilibre de liaison ou la structure de population.

Lors de leur comparaison, les premières séquences d’ADN artificielles générées par l’IA se sont avérées pour la plupart indiscernables de vrais génomes humains. Les chercheurs ont dû relever ce défi : les séquences générées devaient être suffisamment différentes des génomes humains dont ils étaient issus.

L’intelligence artificielle des réseaux adverses génératifs ou GANs avait déjà acquis une certaine notoriété dans la culture populaire grâce aux sites qui génèrent des visages humains chimériques, ou encore des chats, des pieds, des CVs ou des waifus (personnage d’animé ou manga)




Source: Science et vie




-- -- --