En explorant les potentiels de l’intelligence artificielle (IA) dans le domaine de la longévité, Gero, une biotech pilotée par l’IA, vient de franchir une étape significative. La firme a réussi à prouver l’application effective de l’informatique quantique dans le design de médicaments et la chimie générative. Cela pourrait ouvrir de nouvelles perspectives pour l’avenir de la santé.
Publiée dans le journal Scientific Reports, l’étude expose comment un modèle hybride d’apprentissage machine, basé sur le quantique et le classique, a été utilisé pour générer des structures chimiques inédites, susceptibles de constituer de futurs médicaments. Cette réalisation marque une première dans l’industrie.
Plus tôt cette année, Gero avait annoncé un accord de découverte de cibles avec Pfizer. Dans ce cadre, la technologie d’apprentissage machine de Gero est employée pour découvrir des cibles thérapeutiques potentielles pour les maladies fibrotiques, en utilisant des données humaines à grande échelle.
L’exploitation du potentiel de l’IA hybride
Dans cette nouvelle recherche, l’équipe a voulu savoir si un système d’IA générative hybride — un réseau neuronal profond associé à du matériel quantique commercial — pouvait suggérer des structures chimiques uniques, synthétiquement réalisables et possédant des propriétés médicamenteuses.
Le défi de la découverte de médicaments
La découverte de médicaments s’avère extrêmement complexe, compte tenu de l’immensité de l’espace structural de toutes les molécules possédant des propriétés de médicament. Il est estimé que le nombre de molécules médicamenteuses réalistes est compris entre 10^23 et 10^60, tandis que seulement environ 10^8 substances ont jamais été synthétisées.
Peter Fedichev, CEO de Gero, a indiqué : « Ces découvertes ouvrent la voie à une accélération significative du processus de découverte de médicaments.«
L’équipe de recherche est constituée d’experts de premier plan dans divers domaines, dont la physique, l’apprentissage machine moderne, les modèles génératifs, la physique quantique et la conception de médicaments. Ils ont développé un modèle hybride qui combine un auto-encodeur variationnel discret (DVAE, un algorithme de chimie générative) pouvant fonctionner sur un appareil quantique à la pointe de la technologie, appelé D-Wave quantum annealer.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Concrétiser le potentiel de l’informatique quantique
Le développement d’algorithmes quantiques et de modèles d’apprentissage machine hybrides quantiques-classiques pour la découverte de médicaments pourrait significativement faire progresser le domaine de la chimie médicinale.
Alexey Fedorov, chef de l’équipe de recherche RQC qui a co-écrit le document avec Gero, a déclaré : « Dans cette étude, nous avons exploré une dimension entièrement nouvelle de l’espace chimique à l’aide d’un ordinateur quantique. Au cours des cinq à dix prochaines années, nous verrons une nouvelle génération de médicaments et de matériaux créés à l’aide d’ordinateurs quantiques. »
En synthèse
L’application réussie de l’informatique quantique dans la conception de médicaments par la biotech Gero ouvre de nouvelles perspectives pour la découverte de médicaments. Cela pourrait accélérer la mise au point de traitements transformateurs pour les maladies et affections les plus complexes, y compris le vieillissement lui-même.
Légende illustration principale : La recherche, publiée dans Scientific Reports et basée sur un article publié en 2021, décrit comment un modèle hybride d’apprentissage automatique quantique-classique a été utilisé pour interfacer les dispositifs de calcul classiques et quantiques dans le but de générer de nouvelles structures chimiques pour des médicaments potentiels – une première dans l’industrie. Credit Peter Fedichev
Article : Hybrid quantum-classical machine learning for generative chemistry and drug design. Scientific Reports
* NDLR : le titre de l’article a été corrigé car la donnée chiffrée était incorrecte
