Mehdi (e/λ)@BetterCallMedhi
bon c’est un truc assez fou mais un mec en Australie vient de concevoir un vaccin ARNm personnalisé contre le cancer pour sauver son chien en utilisant ChatGPT & AlphaFold
sachez déjà qu’il a 0 formation en biologie et malgré tout ça ça a marché…la tumeur a réduit de moitié, les chercheurs en génomique sont sous le choc & je pense que cette histoire est infiniment + importante qu’elle en a l’air
voilà ce qu’il a fait concrètement
il a payé $3000 pour séquencer l’ADN de la tumeur de son chien, il a donné les données à ChatGPT pour identifier les mutations d’intérêt, ensuite il a utilisé AlphaFold pour trouver la structure 3D des protéines mutées & identifier des cibles thérapeutiques, puis il a conçu un vaccin ARNm sur mesure ciblant spécifiquement les néoantigènes de la tumeur…le tout depuis son ordinateur portable
mdr le professeur de génomique qui a reçu la demande au départ pensait que c’était une blague, quelques mois + tard il regarde les résultats et dit si on peut faire ça pour un chien pourquoi on le fait pas pour tous les humains atteints de cancer
et je pense que c’est là qu’il faut comprendre VÉRITABLEMENT ce qu’AlphaFold représente vraiment (j’ai fait de nombreux threads sur ce programme dans le passé) parce que la plupart des gens en ont entendu parler sans saisir la profondeur de ce qui se passe
je vous explique pour ceux qui découvrent le sujet
pendant des décennies pour comprendre la structure 3D d’une seule protéine il fallait des mois voire des années de cristallographie aux rayons X ou de cryomicroscopie électronique + des labos entiers mobilisés sur une seule molécule MAIS AlphaFold 2 a résolu ce problème en prédisant la structure de pratiquement toutes les protéines connues soit + de 200 millions de structures, ce qui lui a valu le prix Nobel de chimie 2024
par ailleurs, AlphaFold 3 sorti en 2024 est allé encore +++ loin, là où AlphaFold2 prédisait la structure d’une protéine isolée, AlphaFold 3 prédit les interactions entre protéines, ADN, ARN, petites molécules & ligands dans un système unifié, en gros il modélise comment une molécule médicamenteuse va se fixer sur une protéine cible avec une précision améliorée …et il le fait en quelques heures au lieu de quelques années
et c’est exactement ce que ce mec a exploité pour son chien, il a utilisé AlphaFold pour voir la forme 3D des protéines mutées de la tumeur & comprendre comment un vaccin ARNm pourrait apprendre au système immunitaire à les rreconnaître & les détruire
d’ailleurs ce qui me fascine c’est ce que ça annonce pour la suite dans la mesure ou isomorphic labs la filiale de Deepmind dédiée à la découverte de médicaments a déj signé des partenariats de plusieurs milliards avec Eli lilly et Novartis, et les premiers médicaments entièrement conçus par IA grâce à AlphaFold 3 devraient entrer en essais cliniques humains prochzinement
on parle de candidats en oncologie et en immunologie qui ont été conçus par design rationnel, c’est à dire que l’IA a littéralement dessiné la molécule pour qu’elle se fixe parfaitement sur la cible au lieu de tester des millions de composés au hasard comme on le fait depuis 50 ans!!!!!
et le mouvement s’accélère car Deepmind a rendu AlphaFold3 open source fin2024, la communauté scientifique a immédiatement construit dessus, des modèles comme OpenFold3 soutenu par Amazon et Novonordisk, des startups comme Recursion qui développent des versions spécialisées, on entre dans l’ère du «labo autonome » (sujet dont j’ai parlé l’année dernière) où en gros pour vulgariser l’IA conçoit une molécule, des robots la synthétisent et des plateformes de screening la testent sans intervention humaine
et je crois que le prochain horizon c’est la modélisation temporelle, aujourd’hui Alphafold prédit la forme statique d’une molécule mais demain on prédira comment elle bouge & vibre au fil du tps à l’intérieur d’une cellule vivante et c’est extrêmement fascinant pour l’avenir!
voilà, voilà ;)