Isomorphic Labs développe un moteur d'AI de nouvelle génération pour la conception de médicaments

Isomorphic Labs, une filiale de Google DeepMind, a annoncé la création d'un moteur IA spécialisé pour le développement de médicaments — un système que les experts comparent déjà à ce qu'AlphaFold est devenu pour la biologie structurale. Le nouvel outil est présenté comme un développement propriétaire au niveau d'AlphaFold 4, mais orienté non vers la prédiction des structures de protéines, mais vers la recherche et l'optimisation de molécules thérapeutiques. Si les promesses de l'entreprise se confirment en pratique, l'industrie pharmaceutique se trouve à la veille de l'un des changements technologiques les plus importants des dernières décennies.

Pour comprendre l'ampleur de l'événement, nous devons nous rappeler où exactement dans le processus de développement d'un médicament réside le risque principal. Le chemin allant de la découverte d'une cible biologique à l'approbation du médicament prend en moyenne 10-15 ans et coûte des milliards de dollars. L'étape la plus imprévisible est le développement initial : le moment où les scientifiques tentent de trouver une molécule qui se liera précisément à la protéine cible, ne nuira pas au reste de l'organisme et conservera son activité dans les conditions biologiques réelles. C'est ici que la plupart des espoirs s'effondrent et où d'énormes ressources sont dépensées. Le nouveau moteur d'Isomorphic Labs vise directement ce goulot d'étranglement.

Au cœur de la technologie se trouve la simulation des interactions entre les protéines et les ligands — de petites molécules capables de se lier à une protéine et d'altérer son comportement. Les ligands forment la base de la plupart des médicaments modernes. Le problème est qu'il est incroyablement complexe de prédire comment une molécule spécifique se comportera lorsqu'elle se lie à une protéine spécifique : il s'agit de structures tridimensionnelles dynamiques avec des milliers de configurations possibles.

Les méthodes traditionnelles — simulations physiques et criblage de laboratoire — nécessitent des mois de travail même pour des bibliothèques de composés relativement petites. Selon les informations disponibles, le nouveau système d'Isomorphic Labs est capable d'effectuer ce travail avec une précision sans précédent et plusieurs ordres de grandeur plus rapidement.

Le lien avec l'héritage d'AlphaFold n'est ni fortuit ni métaphorique. AlphaFold 2, présenté en 2020, a résolu un problème que la biologie avait affronté pendant un demi-siècle : la prédiction de la structure tridimensionnelle d'une protéine à partir de sa séquence d'acides aminés. Cela a ouvert la voie à la compréhension de millions de protéines dont la structure était restée inconnue. Le nouveau moteur d'Isomorphic Labs franchit l'étape logique suivante : connaissant la structure de la protéine cible, le système apprend non seulement à la décrire, mais à rechercher activement des molécules capables d'interagir avec elle de la manière souhaitée. En essence, c'est une transition entre la cartographie du monde moléculaire et son ingénierie délibérée.

Pour l'industrie pharmaceutique, les conséquences pourraient être assez tangibles. Les grands acteurs — Eli Lilly, Novartis, Roche — ont déjà investi des ressources importantes dans des partenariats avec des entreprises utilisant l'IA pour accélérer le développement. Isomorphic Labs, de son côté, a conclu en 2023 des contrats avec plusieurs géants pharmaceutiques pour un total dépassant le milliard de dollars.

Le nouveau moteur doit devenir le fondement technologique de ces partenariats, transformant les promesses abstraites de l'IA-pharma en molécules candidates concrètes. Il est aussi révélateur que l'entreprise maintienne délibérément la technologie propriétaire — contrairement à AlphaFold, qui a été ouvert à la communauté scientifique. Cela signale que DeepMind considère cet outil comme une véritable arme commerciale, et non simplement une contribution académique.

En même temps, la communauté d'experts pose des questions. L'écart entre les métriques de performance en laboratoire des systèmes d'IA et leur efficacité réelle dans les essais cliniques reste important. L'histoire de la pharmacie compte de nombreux cas où des molécules candidates prometteuses ont échoué aux stades tardifs en raison d'effets secondaires imprévus ou d'une biodisponibilité insuffisante. Dans quelle mesure le nouveau moteur peut-il tenir compte de toute cette complexité biologique est une question à laquelle seule la pratique répondra.

Néanmoins, la direction du mouvement lui-même ne fait pas de doute. Isomorphic Labs parie que la pharmacie de l'avenir est fondamentalement un problème computationnel, et qu'un réseau de neurones correctement entraîné est capable de découvrir des modèles dans les interactions moléculaires où l'intuition humaine a depuis longtemps atteint une impasse. Si le nouveau moteur réduit vraiment le cycle de développement de moitié, l'impact économique et humanitaire serait énorme : des dizaines de maladies pour lesquelles aucun traitement efficace n'existe actuellement pourraient recevoir des thérapies bien avant ce que les projections actuelles suggèrent.