En 2025, nous assisterons à une amplification de l’impact de l’édition génomique Crispr grâce à l’intelligence artificielle (IA) et à l’apprentissage automatique, tant dans le domaine de la médecine que dans l’agriculture, le changement climatique et la recherche fondamentale sous-jacente à ces secteurs. Il est important de noter dès le départ que le domaine de l’IA regorge de promesses considérables. À chaque avancée technologique majeure, un cycle d’engouement se produit, et nous sommes actuellement dans cette phase. Dans de nombreux cas, les bénéfices de l’IA se situent à quelques années dans le futur, mais en génomique et en recherche sur les sciences de la vie, nous constatons déjà des impacts concrets.

Dans mon domaine, l’édition génique Crispr et la génomique en général, nous traitons souvent d’énormes ensembles de données. Dans de nombreux cas, nous ne pouvons pas les analyser correctement car nous manquons des outils ou du temps nécessaires. Les superordinateurs peuvent prendre des semaines, voire des mois, pour analyser des sous-ensembles de données sur une question donnée, ce qui nous oblige à être très sélectifs quant aux questions que nous choisissons de poser. L’IA et l’apprentissage automatique suppriment déjà ces limitations, et nous utilisons des outils d’IA pour rechercher rapidement et faire des découvertes au sein de nos grandes bases de données génomiques.

Récemment, dans mon laboratoire, nous avons utilisé des outils d’IA pour découvrir de petites protéines d’édition génique qui étaient restées inaperçues dans les bases de données génomiques publiques simplement parce que nous n’avions pas la capacité de traiter toutes les données que nous avons collectées. Une équipe de l’Innovative Genomics Institute, l’institut de recherche que j’ai fondé il y a dix ans à l’UC Berkeley, a récemment collaboré avec des membres du département de génie électrique et des sciences informatiques (EECS) et du Centre de biologie computationnelle pour développer un modèle de langage large similaire à celui utilisé par de nombreux chatbots populaires. Ce modèle permet de prédire de nouvelles molécules d’ARN fonctionnelles ayant une meilleure tolérance à la chaleur par rapport aux séquences naturelles. Imaginez ce qui reste à découvrir dans les vastes bases de données génomiques et structurelles que les scientifiques ont collectivement constituées au fil des décennies.

Ces découvertes ont des applications concrètes dans le monde réel. Pour les deux exemples mentionnés, des éditeurs génomiques plus petits peuvent faciliter la délivrance de thérapies dans les cellules, et la prédiction de molécules d’ARN stables à la chaleur contribuera à améliorer les processus de biomanufacture qui génèrent des médicaments et d’autres produits précieux. Dans le domaine de la santé et du développement de médicaments, nous avons récemment assisté à l’approbation de la première thérapie basée sur Crispr pour la drépanocytose, et environ 7 000 autres maladies génétiques attendent une thérapie similaire. L’IA peut aider à accélérer le processus de développement en prédisant les meilleures cibles d’édition, maximisant ainsi la précision et l’efficacité de Crispr tout en réduisant les effets hors cible.

En agriculture, les avancées de Crispr guidées par l’IA promettent de créer des cultures plus résilientes, productives et nutritives, garantissant une plus grande sécurité alimentaire et réduisant le délai de mise sur le marché en aidant les chercheurs à se concentrer sur les approches les plus prometteuses. Dans le domaine climatique, l’IA et Crispr pourraient ouvrir de nouvelles solutions pour améliorer la capture naturelle du carbone et favoriser la durabilité environnementale.

Bien que nous soyons encore au début de ce processus, le potentiel d’exploiter de manière appropriée la synergie entre l’IA et Crispr, sans doute deux des technologies les plus révolutionnaires de notre époque, est à la fois clair et prometteur. Cela a déjà commencé.