Une équipe de chercheurs en protéines de l’université Rutgers s’est mesurée à un programme informatique.
Alerte spoiler : l’IA a gagné. Mais seulement d’un cheveu.
Confronter l’humain à l’intelligence artificielle
Les scientifiques ont décidé qu’ils voulaient mener une expérience en opposant un humain ayant une connaissance approfondie de la conception et de l’auto-assemblage des protéines à un programme informatique artificiellement intelligent doté de capacités de prédiction.
En tête de liste des scientifiques potentiels figurait Vikas Nanda, chercheur au Center for Advanced Biotechnology and Medicine (CABM) de Rutgers.
L’expérience visait à déterminer si l’humain ou l’IA pouvait mieux prédire les séquences de protéines qui se combineraient le mieux.
Les résultats ont été publiés dans le journal Nature Chemistry.
Nanda, les chercheurs de l’Argonne National Laboratory dans l’Illinois et divers collègues des États-Unis affirment que la bataille a été « serrée mais décisive » La compétition a mis Nanda et plusieurs collègues face au programme d’IA, qui l’a emporté par une faible marge.
Les scientifiques cherchent à approfondir leurs connaissances sur l’auto-assemblage des protéines, pensant qu’en le comprenant mieux, ils pourraient concevoir des produits nouveaux et innovants pour des utilisations médicales et industrielles. L’un de ces produits pourrait être un tissu humain artificiel pour les blessures, tandis qu’un autre pourrait être un catalyseur pour de nouveaux produits chimiques.
Nanda est professeur au département de biochimie et de biologie moléculaire de la Rutgers Robert Wood Johnson Medical School.
« Malgré notre grande expertise, l’IA a fait aussi bien, voire mieux, sur plusieurs ensembles de données, ce qui montre l’énorme potentiel de l’apprentissage automatique pour surmonter les préjugés humains », a déclaré Nanda.
Conception et auto-assemblage de protéines
Les protéines sont constituées d’un grand nombre d’acides aminés reliés bout à bout, et les chaînes se replient pour former des molécules tridimensionnelles aux formes complexes. La forme de chaque protéine, et les acides aminés qu’elle contient, déterminent son comportement.
Des chercheurs comme Nanda participent à la « conception de protéines », c’est-à-dire qu’ils créent des séquences qui produisent de nouvelles protéines. L’équipe a récemment conçu une protéine synthétique capable de détecter rapidement le VX, un dangereux agent neurotoxique. Ce nouveau développement pourrait avoir de grandes implications pour de nouveaux biocapteurs et traitements.
Les protéines s’auto-assemblent avec d’autres protéines pour former des superstructures qui sont importantes en biologie. Dans certains cas, il semble que les protéines suivent une conception, comme c’est le cas lorsqu’elles s’auto-assemblent pour former l’enveloppe extérieure protectrice d’un virus. D’autres fois, elles s’auto-assemblent en formant des structures biologiques associées à certaines maladies.
« La compréhension de l’auto-assemblage des protéines est fondamentale pour réaliser des avancées dans de nombreux domaines, y compris la médecine et l’industrie », a déclaré Nanda.
Nanda et cinq autres collègues ont reçu une liste de protéines et ont été invités à prédire celles qui étaient susceptibles de s’auto-assembler. Les prédictions ont ensuite été comparées à celles du programme informatique.
Les experts humains ont utilisé des règles empiriques basées sur leur observation du comportement des protéines dans des expériences, y compris les modèles de charges électriques et le degré d’aversion à l’eau. Ils ont sélectionné 11 protéines dont ils prédisaient l’auto-assemblage, tandis que l’IA a choisi neuf protéines.
Leur expérience a montré que les humains ont fait six prédictions correctes sur les 11 protéines alors que le programme informatique en a choisi neuf.
L’expérience a également démontré que les experts humains « favorisaient » certains acides aminés par rapport à d’autres, ce qui a conduit à des choix incorrects. L’IA a correctement choisi certaines protéines dont les qualités ne les rendaient pas évidentes.
« Nous nous efforçons d’acquérir une compréhension fondamentale de la nature chimique des interactions qui conduisent à l’auto-assemblage, et je craignais donc que l’utilisation de ces programmes n’empêche l’acquisition de connaissances importantes », a déclaré Nanda. « Mais ce que je commence à vraiment comprendre, c’est que l’apprentissage automatique n’est qu’un outil comme un autre. »
