Au MIT, l’IA générative accélère la modélisation 3D du génome

Dans le noyau de chacune de nos cellules, près de deux mètres d’ADN doivent tenir dans un espace d’environ un centième de millimètre de diamètre. Cet exploit de compactage n’est pas qu’une prouesse physique : la manière dont l’ADN se replie et s’organise dans l’espace contribue à déterminer quels gènes peuvent être activés. Des chimistes du Massachusetts Institute of Technology, le MIT, proposent désormais d’explorer cette architecture grâce à l’intelligence artificielle générative.

Leur modèle, baptisé ChromoGen, vise à prédire rapidement des conformations en trois dimensions de la chromatine, le complexe formé par l’ADN et les protéines qui l’accompagnent dans le noyau. L’ambition est de produire de nombreuses structures plausibles pour mieux comprendre les liens entre l’organisation du génome, l’expression des gènes et l’identité des cellules.

Pourquoi la forme du génome influence-t-elle les cellules ?

Les cellules d’un même organisme possèdent en principe la même séquence d’ADN. Pourtant, un neurone ne ressemble pas à une cellule de peau, et une cellule immunitaire n’exerce pas les mêmes fonctions qu’une cellule musculaire. Cette différence tient notamment au fait que chaque type cellulaire n’active qu’une partie de ses gènes.

La structure en trois dimensions du génome participe à cette sélection. Si une zone d’ADN est très compacte ou peu accessible, les mécanismes cellulaires chargés de lire les gènes auront plus de difficulté à l’atteindre. À l’inverse, une région plus ouverte peut favoriser l’activation des gènes qu’elle contient ou dont elle contrôle l’activité.

Dans le noyau, l’ADN s’enroule autour de protéines appelées histones. Cette première organisation évoque souvent un fil sur lequel seraient enfilées des perles. Mais la chromatine ne s’arrête pas là : elle se replie à plusieurs niveaux, créant des contacts entre des portions du génome parfois très éloignées sur la séquence linéaire de l’ADN.

Les modifications épigénétiques, des marques chimiques placées à des endroits précis de l’ADN ou des protéines associées, participent elles aussi à cette organisation. Elles varient selon les types de cellules et peuvent modifier l’accessibilité de régions voisines. Étudier le génome seulement comme une longue suite de lettres ne suffit donc pas : sa géographie dans le noyau compte également.

Hi-C : des mesures précieuses, mais longues à obtenir

Depuis une vingtaine d’années, les biologistes disposent de techniques expérimentales pour cartographier les contacts entre les différentes régions de la chromatine. L’une des plus connues est Hi-C. Son principe consiste à relier des morceaux d’ADN qui se trouvaient proches les uns des autres dans le noyau, puis à identifier ces liaisons afin d’établir une carte des voisinages.

Ces méthodes apportent une mesure expérimentale essentielle de l’organisation du génome. Elles ont toutefois un coût en temps et en travail, particulièrement lorsque l’on cherche à observer des cellules individuelles. Selon les données rapportées par l’équipe du MIT, il peut falloir jusqu’à une semaine pour générer des données pour une seule cellule.

Cette lenteur limite le nombre de structures qu’il est possible d’étudier. Or la chromatine n’adopte pas nécessairement une seule forme figée : sa configuration peut varier d’une cellule à l’autre, y compris au sein d’un même type cellulaire. Pouvoir produire et comparer de nombreuses conformations devient alors utile pour décrire cette diversité.

Cette comparaison ne signifie pas que l’IA remplace une mesure en laboratoire. Les données expérimentales restent nécessaires pour entraîner et évaluer le modèle. L’intérêt de ChromoGen est d’ajouter une capacité de simulation rapide, afin de tester davantage d’hypothèses et de visualiser un grand nombre de conformations possibles.

ChromoGen, une IA générative pour la chromatine

Les chercheurs du MIT ont développé ChromoGen en s’appuyant sur les progrès récents de l’IA générative. Ces modèles apprennent des régularités à partir d’exemples, puis peuvent générer de nouveaux résultats qui suivent les caractéristiques observées pendant l’entraînement. Ici, le résultat n’est ni un texte ni une image : il s’agit d’une prédiction de la forme tridimensionnelle de la chromatine.

Le modèle analyse les séquences d’ADN et utilise également des données portant sur l’accessibilité de la chromatine. Il cherche ainsi à anticiper les conformations que ces éléments pourraient produire dans une cellule. L’objectif affiché par l’équipe est ambitieux, puisqu’il consiste à remonter de l’information contenue dans l’ADN vers une représentation spatiale du génome.

Les données d’apprentissage citées concernent 16 cellules de type lymphocytes B humains. Ce choix permet d’adapter le modèle aux particularités de ces cellules immunitaires. Il rappelle aussi un point important pour interpréter les résultats : un modèle est évalué dans le cadre des données sur lesquelles il a été entraîné et testé. L’extension à d’autres contextes cellulaires doit donc être étudiée avec la même rigueur.

Une vitesse de calcul qui change l’échelle des analyses

L’un des arguments les plus concrets en faveur de ChromoGen est la rapidité de ses prédictions une fois le modèle entraîné. L’équipe affirme pouvoir générer 1 000 structures dans une région particulière en 20 minutes sur un seul GPU, c’est-à-dire une puce spécialisée dans les calculs parallèles utilisés en intelligence artificielle.

Schuette résume l’écart avec les procédures de laboratoire : « Vous pourriez passer six mois à exécuter des expériences pour obtenir quelques structures d’un certain type cellulaire. Avec notre modèle, vous pouvez générer mille structures dans une région particulière en 20 minutes sur un seul GPU. »

Ce gain de vitesse peut modifier la façon de poser les questions scientifiques. Plutôt que de se limiter à quelques configurations coûteuses à mesurer, les chercheurs peuvent examiner un ensemble beaucoup plus large de structures prédites. Ils peuvent notamment observer comment l’organisation de régions données varie, et chercher quelles conformations sont compatibles avec un motif d’expression génétique.

Des prédictions confrontées aux données expérimentales

La rapidité ne suffit pas si les structures produites ne correspondent pas aux observations. Pour vérifier les performances de ChromoGen, les chercheurs ont demandé au modèle de générer des prédictions pour plus de 2 000 séquences d’ADN. Ils les ont ensuite comparées à des structures déterminées expérimentalement.

D’après l’équipe, les structures générées par le modèle sont égales ou proches de celles issues des expériences. Cette validation est un élément central : dans les sciences du vivant, une prédiction informatique gagne en intérêt lorsqu’elle est confrontée à des données recueillies sur des cellules réelles.

Il faut néanmoins distinguer deux rôles. Une expérience décrit des signaux observés dans un protocole donné. Un modèle génératif produit des structures estimées à partir de ce qu’il a appris. ChromoGen peut donc accélérer l’exploration et suggérer des pistes, tandis que les méthodes expérimentales demeurent le moyen de vérifier les phénomènes biologiques dans de nouvelles conditions.

Quels usages pour la recherche génomique ?

La première application envisagée est l’étude des différences d’organisation de la chromatine entre les types de cellules. Si la conformation de l’ADN contribue à rendre certains gènes accessibles et d’autres silencieux, comparer ces architectures peut aider à expliquer pourquoi des cellules pourtant porteuses du même génome remplissent des fonctions très différentes.

Le modèle pourrait aussi faciliter l’analyse des changements de chromatine associés à des mutations de l’ADN conduisant à des maladies. L’enjeu n’est pas seulement de savoir si une mutation affecte un gène, mais aussi de comprendre si elle peut perturber l’organisation spatiale qui contrôle l’accès à ce gène ou à ses régions régulatrices.

Ces perspectives intéressent notamment la biologie régénérative et la médecine personnalisée. Il serait toutefois prématuré d’y voir un outil clinique immédiatement disponible. Les travaux décrits portent d’abord sur une méthode de recherche, entraînée sur un jeu de données précis. Son intérêt potentiel pour la médecine dépendra de validations complémentaires, de son adaptation à d’autres cellules et de la capacité à relier les structures prédites à des mécanismes biologiques bien établis.

Des données ouvertes pour étendre les recherches

L’équipe a choisi de mettre à disposition de la communauté scientifique l’ensemble de ses données et son modèle. Ce partage est particulièrement important pour ce type de recherche : il permet à d’autres équipes de reproduire les analyses, de tester le modèle sur de nouvelles questions et, éventuellement, de l’améliorer.

La recherche a bénéficié d’un financement des National Institutes of Health, l’agence américaine de santé et de recherche biomédicale. Elle illustre l’essor des approches où l’IA n’est pas utilisée pour automatiser une tâche administrative, mais pour accélérer la formulation et l’examen d’hypothèses fondamentales sur le vivant.

Ce qu’il faut surveiller

La suite dépendra de la capacité de modèles comme ChromoGen à être appliqués à davantage de types cellulaires, à différentes régions du génome et à des situations biologiques variées. La question ne sera pas seulement celle de la vitesse de calcul, mais aussi de la robustesse des prédictions hors du cadre initial des lymphocytes B humains.

Il faudra également déterminer comment articuler au mieux IA et expériences. Les modèles génératifs peuvent réduire le nombre d’hypothèses à tester au laboratoire et aider à interpréter des données complexes. Mais la compréhension fine de la chromatine reposera toujours sur un dialogue entre prédictions, mesures et validation biologique.

À court terme, ChromoGen offre surtout une nouvelle manière d’aborder un objet difficile à observer : le génome non comme une simple séquence, mais comme une structure mobile et organisée dans l’espace. C’est cette vision en trois dimensions qui pourrait éclairer plus précisément les relations entre ADN, expression des gènes et fonctionnement des cellules.