Qu’il s’agisse de relever des défis en matière de devoirs ou de rédiger des e-mails, les gens découvrent une vaste gamme d’applications pour les outils de traitement du langage naturel tels que les moteurs d’intelligence artificielle (IA) générative. Désormais, des chercheurs du Pacific Northwest National Laboratory (PNNL) et de la Harvard Medical School (HMS) utilisent ce même type de technologie pour créer une base de connaissances afin de guider les décideurs dans le développement de vaccins. Dans le cadre du projet RAPTER (Rapid Assessment of Platform Technologies to Expedite Response), les scientifiques tirent parti de l’apprentissage automatique et de l’IA pour rechercher dans la littérature scientifique des connaissances sur la manière de créer des vaccins efficaces contre les nouveaux virus et bactéries infectieux.
Historiquement, le développement de vaccins est un processus long et coûteux, qui prend souvent plusieurs années et des millions de dollars. Les vaccins sont généralement fabriqués en utilisant l’une des nombreuses stratégies différentes, ou « plates-formes ». Cependant, différentes stratégies peuvent générer différentes réponses immunitaires. Avec RAPTER, les chercheurs déterminent quelle stratégie fonctionnerait le mieux pour un virus ou une bactérie spécifique afin de maximiser la valeur des réponses immunitaires de l’hôte. L’outil vise à aider à produire de nouveaux vaccins plus rapidement et avec un délai et un coût réduits.
Lecture rapide avec IA
Une partie d’être un scientifique consiste à publier les résultats de la recherche afin que d’autres scientifiques puissent apprendre des expériences.
« Il existe déjà beaucoup d’informations dans la littérature scientifique – trop pour qu’une personne puisse les lire », a déclaré Neeraj Kumar, scientifique des données et chercheur principal du PNNL RAPTER. « Nous construisons RAPTER pour passer automatiquement au peigne fin la littérature et cataloguer les résultats de différentes expériences sur les stratégies de conception de vaccins ; en fin de compte, fournir aux décideurs des informations pour sélectionner la meilleure stratégie pour la prochaine pandémie. »
Dans le cadre du projet RAPTER, les scientifiques du PNNL travaillent en étroite collaboration avec des collègues du HMS pour extraire automatiquement les informations des publications scientifiques de manière significative. « Pour notre part du projet RAPTER, nous visons à apprendre des succès et des échecs existants dans la conception de vaccins à travers la littérature scientifique et à construire des outils décisionnels robustes d’intelligence artificielle pour la conception de vaccins », a déclaré Benjamin, directeur de la modélisation et de l’analyse assistées par machine chez HMS. Gyôri.
Les scientifiques de HMS ont déjà construit des outils similaires pour la conception de petites molécules. Cependant, les vaccins et l’immunologie sont beaucoup plus complexes. Ensemble, nous nous appuyons sur ces outils pour extraire automatiquement les informations clés des publications afin de mieux comprendre les réponses immunitaires à l’aide de différentes stratégies vaccinales. »
Jeremy Zucker, informaticien du PNNL
Les scientifiques du PNNL et du HMS rendent cela possible en définissant les termes clés qui relient les mécanismes de l’immunité aux mesures expérimentales. Une fois les termes définis, l’outil RAPTER peut identifier les relations entre les termes dans différentes publications scientifiques. Ces informations alimentent la base de données KESTREL (Knowledge Extraction for Strategic Threat Response using Evidence from the Literature) pour créer un graphique détaillé des relations dans la réponse immunitaire.
« Comprendre ces relations dans la réponse immunitaire peut nous aider à prédire comment différentes stratégies vaccinales peuvent fournir une protection », a déclaré Kumar. « Grâce à ces connaissances, les scientifiques peuvent concentrer leurs efforts sur des stratégies plus susceptibles de réussir. »
Se défendre contre les menaces futures
Pendant des décennies, la Defense Threat Reduction Agency (DTRA) du ministère de la Défense a atténué les menaces émergentes, du nucléaire au biologique, grâce à des investissements dans la science, la technologie et le développement des capacités. Comme en témoignent les effets de la COVID-19, les pandémies constituent une menace majeure pour la sécurité nationale. Pour nous aider à nous protéger contre de futures pandémies, DTRA soutient un consortium d’instituts de recherche, dirigé par le Laboratoire national de Los Alamos (LANL), dans le développement de l’outil RAPTER.
Contrairement aux efforts du PNNL et du HMS, les scientifiques du LANL collectent et conservent des données expérimentales brutes sur les virus et les vaccins et utilisent l’intelligence artificielle pour identifier des modèles dans les données afin de créer un profil pour chaque vaccin candidat. Des chercheurs du Lawrence Livermore National Laboratory, des Sandia National Laboratories, de l’US Army Medical Research Institute of Infectious Diseases, de la Northern Arizona University, de l’Université de Tulane, de l’Université de Californie à San Diego, de l’Université du Nouveau-Mexique et de l’Université du Nevada à Reno contribuent également au projet.
Une fois les premiers outils de calcul construits, les instituts de recherche conjugueront leurs efforts pour valider expérimentalement leurs résultats. Des chercheurs, dont le scientifique biomédical du PNNL, Zachary Stromberg, travailleront pour confirmer expérimentalement les résultats de calcul de la plate-forme d’ARNm – la même plate-forme utilisée dans le vaccin contre le SRAS-CoV-2.
« Ensemble, nous pouvons construire un pipeline automatisé pour accélérer les efforts de conception de vaccins des scientifiques », a déclaré Kumar.
