Régulation génétique : comment l’IA conçoit des séquences d’ADN ciblées

L’intelligence artificielle s’installe progressivement au cœur des laboratoires de biologie moléculaire. Son rôle ne se limite plus à trier des masses de données génétiques : elle peut aussi aider les chercheurs à concevoir des fragments d’ADN destinés à agir dans un type cellulaire précis. L’enjeu est considérable, car contrôler l’activité d’un gène avec précision pourrait améliorer la compréhension des maladies et élargir la boîte à outils de la biologie de synthèse.

Cette approche porte sur une partie longtemps restée énigmatique du génome : les séquences qui régulent les gènes. Elles ne codent pas nécessairement une protéine, mais elles indiquent notamment à la cellule dans quelles circonstances un gène doit être activé, freiné ou maintenu silencieux. En novembre 2024, les progrès de l’apprentissage automatique ouvrent ainsi une nouvelle voie : ne plus seulement observer ces interrupteurs biologiques dans la nature, mais en proposer de nouveaux, adaptés à un usage expérimental donné.

Du séquençage du génome à la question de son utilisation

L’achèvement du séquençage de référence du génome humain, annoncé en 2003, a été une étape fondatrice de la biologie moderne. Il a fourni une lecture des quelque trois milliards de lettres d’ADN qui composent notre patrimoine génétique. Mais cette carte, aussi essentielle soit-elle, n’a pas répondu à elle seule à une question déterminante : comment des cellules dotées du même ADN deviennent-elles une cellule nerveuse, une cellule musculaire ou une cellule du foie ?

La réponse tient en grande partie à la régulation génétique. Une cellule n’utilise pas tous ses gènes au même moment ni avec la même intensité. Elle suit un programme d’expression qui dépend de son identité, de son environnement et de son stade de développement. Deux cellules possédant le même génome peuvent donc produire des protéines très différentes, parce qu’elles n’activent pas les mêmes portions de ce génome.

Cette distinction est importante pour comprendre la portée des travaux actuels. Connaître la séquence d’un gène ne suffit pas à comprendre son fonctionnement dans un organisme. Il faut aussi identifier les séquences d’ADN qui en contrôlent l’expression, les protéines qui s’y fixent et le contexte cellulaire dans lequel ces interactions se produisent.

Que sont les éléments cis-régulateurs ?

Les chercheurs s’intéressent particulièrement aux éléments cis-régulateurs, souvent désignés par l’acronyme anglais CRE, pour cis-regulatory elements. Il s’agit de segments d’ADN situés sur la même molécule que le gène dont ils modulent l’activité. Ces éléments servent de points d’ancrage à des protéines appelées facteurs de transcription.

Lorsqu’un facteur de transcription se fixe sur une séquence appropriée, il peut favoriser ou, au contraire, limiter la transcription d’un gène. Cette mécanique n’est pas un interrupteur unique et binaire. Plusieurs protéines, plusieurs séquences régulatrices et l’organisation de l’ADN dans le noyau peuvent intervenir simultanément. C’est cette combinaison qui rend la régulation génétique si difficile à déchiffrer.

Les CRE forment une famille large. Les promoteurs sont les séquences proches du point de départ d’un gène, mais d’autres éléments peuvent agir plus loin sur l’ADN ou réduire l’activité d’un gène. Le tableau ci-dessous résume leurs fonctions générales.

Dans le matériau étudié, les CRE sont notamment décrits comme des séquences auxquelles se lient les facteurs de transcription afin d’orienter l’activité des gènes. L’ambition est de produire des séquences dont le comportement soit plus spécifique que celui de séquences rencontrées naturellement, par exemple pour favoriser l’expression d’un gène dans une population cellulaire ciblée.

Pourquoi l’IA est-elle utile pour concevoir de l’ADN ?

Le principal obstacle est l’immensité du nombre de séquences possibles. L’ADN repose sur quatre nucléotides, désignés par les lettres A, T, C et G. Dès que la longueur d’une séquence augmente, le nombre de combinaisons possibles devient si vaste qu’il est irréaliste de les fabriquer et de les tester une à une au laboratoire. Produire des CRE au hasard n’est donc pas une stratégie efficace.

C’est ici que les méthodes d’apprentissage automatique deviennent utiles. Elles peuvent être entraînées à partir de grands ensembles de données associant des séquences d’ADN à leur activité observée dans différents types de cellules. Le modèle cherche alors des motifs, des associations et des règles statistiques difficiles à percevoir par une analyse manuelle.

Les travaux évoqués reposent notamment sur des réseaux de neurones artificiels capables d’identifier des séquences susceptibles d’agir spécifiquement dans un type cellulaire. Une fois entraîné, le système ne remplace pas l’expérience biologique : il formule des prédictions et propose des candidats. Ces propositions doivent ensuite être synthétisées et confrontées à des tests réels.

Cette capacité de conception constitue un changement de méthode. Au lieu de se limiter à la découverte de séquences existantes dans le génome, les chercheurs peuvent demander à un modèle de générer des séquences inédites répondant à une fonction recherchée. L’IA devient ainsi un outil de conception, à l’image de ce qu’est la simulation pour l’ingénierie, tout en restant dépendante de données biologiques de qualité.

De la prédiction informatique à la validation biologique

Une séquence d’ADN jugée prometteuse par un algorithme ne devient pas automatiquement un outil utilisable. Les biologistes doivent vérifier que l’effet prévu se produit réellement, dans les bonnes cellules et sans activité excessive ailleurs. La recherche combine donc calcul informatique et expérimentations.

Le déroulé général peut être résumé en plusieurs étapes :

• des données sur l’activité de nombreuses séquences dans des cellules servent à entraîner un modèle ;
• le modèle sélectionne ou génère des CRE candidats ;
• ces séquences sont fabriquées puis testées dans des systèmes cellulaires ;
• leurs effets sont comparés à ceux de séquences déjà connues ;
• les candidats les plus convaincants peuvent ensuite être évalués dans des modèles biologiques plus complexes.

Les résultats rapportés indiquent que des CRE conçus avec ces méthodes se sont révélés particulièrement actifs dans certaines cellules ciblées. Ils auraient aussi été testés non seulement in vitro, c’est-à-dire dans des conditions expérimentales contrôlées, mais également dans des modèles animaux transgéniques. Cette dernière étape compte beaucoup : une séquence qui fonctionne dans une cellule isolée ne conservera pas nécessairement le même comportement dans un organisme entier, où les interactions biologiques sont plus nombreuses.

Des applications prometteuses, encore largement expérimentales

Des séquences régulatrices plus précises pourraient être précieuses pour la recherche sur les maladies complexes. De nombreuses pathologies ne sont pas liées à une simple mutation qui détruit un gène : elles peuvent résulter d’une activité trop forte, trop faible ou mal localisée de certains gènes. Mieux comprendre les mécanismes régulateurs peut donc aider à identifier ce qui se dérègle dans une cellule malade.

À terme, cette approche intéresse aussi les thérapies géniques et la médecine personnalisée. Dans ces domaines, être capable de diriger l’expression d’un gène vers les cellules pertinentes est un objectif majeur. Une régulation mieux ciblée pourrait théoriquement limiter l’activité dans les cellules non concernées. Mais il s’agit d’une promesse de recherche, pas d’un traitement disponible : l’administration du matériel génétique, la réaction de l’organisme et la stabilité de l’expression restent des défis distincts.

La biologie de synthèse est un autre terrain d’application. Elle consiste notamment à concevoir ou reprogrammer des systèmes biologiques pour leur faire accomplir une fonction précise. Des CRE générés par IA pourraient y servir de composants réglables, permettant d’orchestrer l’activité de plusieurs gènes dans une cellule.

L’agriculture est également souvent citée parmi les perspectives. En optimisant l’expression de gènes associés à certains traits agronomiques, il serait possible d’explorer des plantes plus adaptées à des contraintes environnementales. Là encore, le passage d’une démonstration expérimentale à un usage à grande échelle impose des validations longues, ainsi qu’une évaluation des conséquences environnementales.

Les limites techniques et les questions éthiques

La puissance de ces méthodes ne doit pas masquer leurs limites. D’abord, un modèle apprend ce que les données disponibles lui permettent d’apprendre. Si les jeux de données couvrent mal certains types cellulaires, certains états physiologiques ou certaines séquences, les prédictions risquent d’être moins fiables dans ces situations. La diversité et la qualité des données d’entraînement sont donc déterminantes.

Ensuite, la régulation génétique ne dépend pas uniquement d’une courte suite de lettres. L’accessibilité de l’ADN, la structure tridimensionnelle de la chromatine, les interactions entre protéines et l’état de la cellule peuvent modifier l’effet d’un CRE. Une séquence efficace dans un système expérimental peut se comporter différemment dans un autre tissu ou à une autre étape du développement.

Les enjeux éthiques sont à la hauteur du potentiel de ces technologies. Dès lors qu’une séquence est destinée à modifier l’activité d’un gène dans un organisme vivant, les questions de sécurité, de contrôle des effets non recherchés et de respect des normes environnementales deviennent centrales. Les usages envisagés en santé demandent en outre une attention particulière à l’évaluation des bénéfices et des risques avant toute application chez l’être humain.

Il faut enfin distinguer la conception de séquences régulatrices de la modification directe d’un génome. Une IA peut proposer une séquence ou aider à choisir où et comment l’utiliser. Les techniques qui introduisent cette séquence dans des cellules ou modifient l’ADN constituent une autre étape, avec leurs propres contraintes techniques, sanitaires et réglementaires.

Ce qu’il faut surveiller

La prochaine étape sera moins de démontrer que l’IA peut générer des séquences originales que de prouver qu’elle peut le faire de manière fiable, reproductible et utile dans des contextes biologiques variés. Les chercheurs devront comparer les candidats conçus par algorithme aux séquences naturelles et mesurer précisément leur activité dans différents tissus.

Il faudra aussi suivre l’évolution des collaborations entre biologistes, informaticiens et ingénieurs. La régulation génétique est un domaine où aucune discipline ne peut avancer seule : les algorithmes ont besoin de résultats expérimentaux solides, tandis que les expériences gagnent en efficacité lorsqu’elles sont guidées par des prédictions pertinentes.

L’IA ne livre donc pas une clé universelle du génome. Elle offre plutôt une nouvelle manière de poser les bonnes questions à l’ADN, de réduire un espace de recherche gigantesque et d’imaginer des outils biologiques plus ciblés. Pour la médecine comme pour les biotechnologies, l’intérêt de cette alliance se jouera dans la qualité des validations scientifiques et dans l’encadrement de ses usages.