Le chemputer de l’équipe du professeur Leroy Cronin réalise seul toutes les étapes pour synthétiser un médicament. Image: Leroy Cronin
S’il y a bien un groupe qui bénéficiera de l’automatisation de la recherche de molécules , ce sont les patients atteints de maladies pour lesquelles il n’existe aucun traitement.
Bien que les manipulations en laboratoire dans l’industrie pharmaceutique soient déjà fortement automatisées, les nouvelles techniques d’apprentissage automatique promettent gros pour les prochaines années. Les publications scientifiques sur le sujet se multiplient. Et « il y a des jeunes entreprises qui travaillent là-dessus, en plus des universitaires », affirme Jian Tang, professeur à HEC Montréal et à l’Institut québécois d’intelligence artificielle (Mila). Il s’en sert déjà pour chercher un traitement à la COVID-19 !
Le chercheur conçoit depuis deux ans les outils pour la recherche de nouveaux traitements en utilisant le graph representation learning . Cette technique « permet de faire de l’apprentissage profond avec des données structurées sous forme de graphes, comme les relations entre les personnes sur Facebook. Ça, c’est un graphe énorme, mais on peut aussi se pencher sur de petits graphes, comme une molécule. Chaque sommet est un atome et différents types de liens chimiques relient ces atomes pour faire une molécule ».
À partir de données sur des médicaments connus, le système apprend à prédire les caractéristiques d’une nouvelle molécule : sa toxicité, par exemple, ou sa capacité à se lier à une protéine en particulier.
