Les chercheurs en médecine de Stanford ont développé un outil d'intelligence artificielle pour aider les scientifiques à mieux planifier des expériences d'édition génétique. La technologie, CRISPR-GPT, agit comme un « copilote » éditant des gènes soutenue par l'IA pour aider les chercheurs – même ceux qui ne connaissent pas l'édition de gènes – générer des conceptions, analyser les données et dépanner les défauts de conception.
Le modèle s'appuie sur un outil appelé CRISPR, une puissante technologie d'édition génique utilisée pour modifier les génomes et développer des thérapies pour les maladies génétiques. Mais la formation sur l'outil pour concevoir une expérience est compliquée et prend du temps – même pour les scientifiques chevronnés. CRISPR-GPT accélère qui traite, automatisant une grande partie de la conception et du raffinement expérimentaux. L'objectif, a déclaré Le Cong, PhD, professeur adjoint de pathologie et de génétique, qui a dirigé le développement de la technologie, est d'aider les scientifiques à produire des médicaments vitaux plus rapidement.
L'espoir est que CRISPR-GPT nous aidera à développer de nouveaux médicaments en mois, au lieu des années. En plus d'aider les étudiants, les stagiaires et les scientifiques à travailler ensemble, avoir un agent d'IA qui accélère les expériences pourrait éventuellement aider à sauver des vies. «
Le Cong, PhD, professeur adjoint de pathologie et de génétique, Stanford Medicine
De plus, il pourrait étendre le bassin de scientifiques qui peuvent utiliser efficacement la technologie d'édition de gènes – aucune expérience requise. Par exemple, un étudiant du laboratoire de Cong a utilisé CRISPR-GPT pour guider avec succès une expérience qui a désactivé une poignée de gènes dans les cellules cancéreuses du poumon lors de sa première tentative. Ce type d'exploit nécessite généralement une période prolongée d'essais et d'erreurs. Mais la capacité de l'outil d'IA à aplatir la courbe d'apprentissage abrupte de CRISPR semble être un moyen prometteur de l'accès ouvert à l'édition génétique dans toute la biotechnologie, l'agriculture et les industries médicales, a déclaré Cong.
« Les essais et erreurs sont souvent le thème central de la formation en science », a déclaré Cong. « Mais que se passe-t-il si cela pouvait être juste en procès et fait? »
Cong est l'auteur principal de l'étude publiée le 30 juillet Génie biomédical de la nature. Les principaux auteurs sont Yuanhao Qu, étudiant diplômé en biologie du cancer, et Kaixuan Huang, étudiant diplômé en collaboration à l'Université de Princeton.
AI qui pense comme un humain
CRISPR peut cibler des sections d'ADN et énigmer des mutations problématiques – la base conceptuelle de nombreuses thérapies par la maladie génétique telles que l'anémie falciforme. Mais cela peut prendre des mois de travail de supposition et de vérification des chercheurs pour évaluer si le segment suspect de l'ADN est en effet le coupable qu'ils ont besoin pour acciser. (CRISPR peut parfois modifier accidentellement la mauvaise séquence de gènes, conduisant à des effets génétiques indésirables.)
CRISPR-GPT utilise des années de données publiées pour perfectionner la conception expérimentale en quelque chose de susceptible de réussir. Il peut également prédire les modifications hors cible et leur probabilité de causer des dommages, permettant aux experts de choisir la meilleure voie à suivre.
L'équipe de Cong a formé son modèle avec 11 ans de discussions d'experts, capturée en ligne, à partir d'expériences CRISPR et d'informations publiées dans des articles scientifiques. Le résultat? Un modèle d'IA qui « pense » comme un scientifique.
Lors de l'utilisation de CRISPR-GPT, le chercheur initie une conversation avec l'agent d'IA via une zone de chat texte, fournissant des objectifs expérimentaux, du contexte et des séquences de gènes pertinentes. Ensuite, CRISPR-GPT crée un plan qui suggère des approches expérimentales et identifie des problèmes qui se sont produits dans des expériences similaires pour aider le chercheur – novice ou expert – les éviter.
Yilong Zhou, un étudiant de premier cycle en visite de l'Université de Tsinghua, a utilisé CRISPR-GPT pour réussir les gènes actifs dans les cellules cancéreuses du mélanome A375 dans le cadre de ses recherches pour mieux comprendre pourquoi l'immunothérapie contre le cancer échoue parfois.
Zhou a tapé sa question dans la zone de texte de CRISPR-GPT: « Je prévois de faire une activité CRISPR dans une culture de cellules pulmonaires humaines, quelle méthode dois-je utiliser? »
CRISPR-GPT a répondu comme un compagnon de laboratoire expérimenté conseillant un nouveau chercheur. Il a rédigé une conception expérimentale et, à chaque étape, a expliqué son processus de « pensée », décrivant pourquoi les différentes étapes étaient importantes.
« Je pouvais simplement poser des questions quand je ne comprenais pas quelque chose, et cela expliquerait ou ajusterait la conception pour m'aider à comprendre », a déclaré Zhou. « L'utilisation de CRISPR-GPT ressemblait moins à un outil et plus comme un partenaire de laboratoire toujours disponible. »
En tant que scientifique en début de carrière, Zhou n'avait conçu qu'une poignée d'expériences CRISPR avant d'utiliser CRISPR-GPT. Dans cette expérience, il lui a fallu une tentative pour bien faire les choses – une rareté pour la plupart des scientifiques.
Dans le passé, Zhou s'inquiétait constamment de faire des erreurs et de revérifier ses créations.
Réduire l'erreur et augmenter l'accessibilité
CRISPR-GPT peut basculer entre trois modes: débutant, expert et Q&R. Le mode débutant fonctionne comme un outil et un enseignant, fournissant une réponse et une explication pour chaque recommandation. Le mode expert est plus un partenaire égal, travaillant avec des scientifiques avancés pour s'attaquer aux problèmes complexes sans fournir un contexte supplémentaire. Tout chercheur peut utiliser la fonction de questions / réponses pour répondre directement aux questions spécifiques.
Il est également utile pour partager les connaissances et collaborer avec d'autres laboratoires, a déclaré Cong. CRISPR-GPT fournit une réponse plus détaillée et holistique que ce qui est généralement glané d'un manuscrit scientifique et répond aux demandes répétitives en un clin d'œil.
CRISPR-GPT peut également vérifier le travail des chercheurs et appliquer des cadres expérimentaux aux nouvelles maladies auxquelles les chercheurs peuvent ne pas penser.
« Les gens de mon laboratoire ont trouvé cet outil très utile », a déclaré Cong. « Les décisions sont finalement prises par des scientifiques humains, mais cela fait juste tout ce processus – de la conception de l'expérience à l'exécution – super simple. »
Édition de manière responsable et future
Bien que la technologie soit prometteuse pour accélérer la recherche thérapeutique, il y a encore des problèmes de sécurité à répondre avant de pousser CRISPR-GPT plus largement.
Cong et son équipe ont déjà incorporé des garanties pour protéger l'outil d'IA contre les utilisations irresponsables. Par exemple, si l'IA reçoit une demande d'aide à une activité contraire à l'éthique, comme la modification d'un virus ou d'un embryon humain, CRISPR-GPT émettra un avertissement à l'utilisateur et répondra avec un message d'erreur, arrêtant efficacement l'interaction. Cong prévoit également d'amener la technologie aux agences gouvernementales, telles que l'Institut national des normes et de la technologie, afin d'assurer une utilisation éthique et une saine biosécurité.
À l'avenir, l'outil peut servir de plan pour la formation d'IA pour exécuter des tâches biologiques spécifiques en dehors de l'édition génétique. Du développement de nouvelles lignes de cellules souches en tant que modèles expérimentaux, au déchiffrement des voies moléculaires impliquées dans les maladies cardiaques, Cong espère étendre la technologie à d'autres disciplines construisant une gamme d'agents d'IA pour aider à la découverte génomique. À cette fin, lui et son équipe ont développé le site Web d'agent4Genomics, où ils hébergent une gamme d'outils d'IA connexes que les scientifiques à utiliser et à explorer.
Des chercheurs de Google Deepmind, de l'Université de Princeton et de l'Université de Californie à Berkeley ont contribué à cette étude.
Le financement de cette recherche est venu de l'Institut national de la santé (subventions 1R35HG011316 et 1R01GM1416), du Donald and Delia Baxter Foundation Faculty Scholar Award, de la WEintz Family Foundation et de la National Science Foundation.
