Le MIT propose une théorie causale pour cartographier les liens entre les gènes

Face à une cellule, les biologistes ne cherchent pas seulement à savoir quels gènes sont actifs. Ils veulent comprendre la chaîne de décisions qui conduit une cellule à se développer, à se spécialiser, à réagir à son environnement ou, parfois, à basculer vers un état pathologique. Or, dans ce réseau dense, observer deux gènes évoluer ensemble ne suffit pas à établir que l’un commande l’autre. Des chercheurs du MIT ont présenté, le 7 novembre 2024, un cadre théorique destiné à remonter plus rigoureusement vers ces relations de cause à effet.

Leur proposition associe théorie de la causalité, statistiques et apprentissage automatique. Son ambition est importante : exploiter des données génétiques déjà observées pour reconstituer l’organisation de programmes génétiques, sans devoir perturber expérimentalement chaque gène dans toutes les combinaisons possibles. Cette piste ne remplace pas les expériences biologiques, qui restent essentielles pour vérifier une hypothèse. Elle pourrait en revanche aider à choisir lesquelles mener en priorité.

Pourquoi les relations entre les gènes sont-elles si difficiles à établir ?

Le génome humain compte environ 20 000 gènes. Tous ne sont pas actifs dans toutes les cellules ni au même moment. Certains participent à de grands processus coordonnés, par exemple le développement cellulaire. D’autres peuvent influencer l’activité de plusieurs partenaires, tandis qu’un même gène peut répondre à de nombreux signaux.

Cette complexité pose un problème majeur : une corrélation n’est pas une causalité. Si deux gènes sont fréquemment exprimés au même moment, plusieurs explications sont possibles. Le premier peut agir sur le second, le second peut agir sur le premier, ou tous deux peuvent répondre à un troisième mécanisme non observé. L’environnement cellulaire, l’état de développement d’une cellule et les mécanismes épigénétiques peuvent aussi brouiller l’interprétation.

Les programmes génétiques constituent une notion utile pour aborder cette difficulté. Ils décrivent la manière dont certains ensembles de gènes régulent d’autres ensembles dans le cadre de processus biologiques. Une cellule en développement, par exemple, ne déclenche pas ses gènes au hasard : elle active et désactive des séquences coordonnées. Cartographier cette organisation permettrait de mieux interpréter les états cellulaires et leurs transformations.

Des expériences indispensables, mais difficiles à généraliser

Pour démontrer une relation de cause à effet, l’approche la plus directe consiste à intervenir : désactiver un gène, augmenter son expression, puis observer les conséquences. Ces expériences sont précieuses, mais leur multiplication devient vite coûteuse et complexe. Tester tous les gènes, puis toutes les paires ou tous les groupes de gènes, représente un nombre colossal de possibilités.

Certaines perturbations peuvent aussi être difficiles, voire impossibles, à réaliser selon le type de cellule ou le contexte biologique. C’est pourquoi l’idée d’extraire davantage d’information de jeux de données existants intéresse fortement la recherche en génomique.

Le cadre proposé au MIT s’inscrit dans cette perspective. Il cherche à identifier, sous certaines conditions théoriques, une structure causale à partir de données collectées sans intervention. Son intérêt n’est donc pas d’affirmer que l’observation seule résout toute question biologique, mais de proposer une manière plus structurée d’y détecter des hypothèses sur les relations de régulation.

Le désentrelacement causal pour trouver des modules de gènes

Au cœur de ces travaux se trouve une technique appelée désentrelacement causal. Les chercheurs ont développé un algorithme de machine learning capable de combiner des gènes en groupes apparentés. Plutôt que de traiter séparément des milliers de variables, l’approche cherche ainsi à faire émerger des modules causaux plus maniables.

L’idée répond à une réalité biologique : les gènes n’agissent pas uniquement de façon isolée. Des groupes de gènes peuvent participer à une même fonction ou être contrôlés par des mécanismes communs. En regroupant ces éléments, il devient possible de représenter plus clairement les dépendances entre différents niveaux du réseau.

Cette réduction de complexité est déterminante. Sans elle, le nombre de relations possibles entre environ 20 000 gènes dépasse rapidement ce qu’un humain, et même de nombreux outils informatiques, peuvent examiner directement. Le problème n’est pas seulement de détecter des liens, mais de distinguer une architecture explicative parmi un très grand nombre de configurations compatibles avec les observations.

Le terme « désentrelacement » renvoie précisément à cette tentative de séparer les facteurs et les groupes de facteurs qui se superposent dans les données. L’algorithme ne se contente pas de rechercher des ressemblances statistiques : il est conçu pour reconstruire une représentation susceptible de rendre compte d’une organisation causale entre modules de gènes.

Comment le modèle reconstruit-il une hiérarchie causale ?

Les chercheurs ont conçu un système structurel pour analyser les relations causales entre les gènes. Cette représentation repose notamment sur l’examen statistique de la variance associée aux scores des variables. Elle vise à repérer les gènes qui n’influencent pas les autres dans le modèle considéré.

À partir de là, le procédé élimine successivement ces gènes afin de reconstruire une hiérarchie. Cette opération permet de faire apparaître comment des gènes peuvent s’inscrire dans des modules causaux, avec des effets qui se propagent potentiellement d’un groupe vers un autre.

Présentée ainsi, la méthode peut sembler intuitive : identifier les éléments situés au bout d’une chaîne, les retirer, puis recommencer pour remonter l’organisation du système. Mais son exécution à l’échelle du génome est un défi combinatoire. Chaque choix de regroupement ou de relation peut modifier l’interprétation globale du réseau. Il faut donc un algorithme capable de traiter ce problème efficacement, sans explorer naïvement toutes les possibilités.

L’enjeu scientifique est aussi celui de l’interprétabilité. Un modèle peut produire des prédictions utiles sans expliquer clairement ses mécanismes internes. Dans l’étude des gènes, les chercheurs ont besoin de représentations qu’ils puissent confronter à leurs connaissances biologiques et à de futures expériences. Le cadre du MIT cherche justement à fournir une carte structurée des interactions, plutôt qu’une simple liste de corrélations.

Quelles applications pour la génomique et la santé ?

La première étape sera d’appliquer cette théorie à des données génétiques réelles. Si les modules et les relations proposés se révèlent pertinents, la méthode pourrait aider les équipes de recherche à formuler de meilleures hypothèses sur les mécanismes qui sous-tendent certains états cellulaires ou certaines maladies.

À plus long terme, elle pourrait contribuer à identifier des interventions génétiques efficaces et des cibles médicamenteuses potentielles. Dans le cas d’une pathologie, le but n’est pas nécessairement de viser tous les gènes dont l’activité est modifiée. Il s’agit plutôt de trouver ceux qui occupent une position importante dans la chaîne de régulation, ceux dont la modification aurait un effet sur un mécanisme biologique déterminant.

Cette perspective rejoint l’objectif de la médecine de précision : mieux adapter la recherche et, à terme, les stratégies thérapeutiques aux mécanismes moléculaires impliqués dans une maladie. Les maladies génétiques et les cancers figurent parmi les domaines où une meilleure compréhension des programmes d’expression génétique serait particulièrement utile.

Il faut toutefois distinguer une base théorique prometteuse d’une application clinique. Les travaux décrits ne constituent ni un diagnostic, ni un traitement, ni une preuve qu’une cible donnée permettra de soigner une maladie. Entre la construction d’un modèle et l’arrivée éventuelle d’une thérapie, les résultats doivent être testés, reproduits et validés dans des contextes biologiques appropriés.

Les recherches ont reçu des financements, notamment du MIT-IBM Watson AI Lab et de l’Office de recherche navale américain. Elles s’inscrivent dans un mouvement plus large qui rapproche intelligence artificielle, statistiques et biologie moléculaire pour explorer des systèmes que leur taille rend difficiles à étudier par les seules méthodes traditionnelles.

Ce qu’il faut surveiller

La suite des travaux dépendra d’abord de leur confrontation à des données génétiques réelles. Un cadre causal est utile s’il produit des hypothèses vérifiables et si ses résultats résistent à des expériences indépendantes. L’intégration envisagée de données d’intervention pourrait offrir une vision plus riche des dynamiques génétiques et renforcer la capacité à départager des explications concurrentes.

Il faudra aussi observer la manière dont cette méthode prend en compte l’interaction entre les gènes et leur environnement. Les variations génétiques ne déterminent pas seules le comportement d’une cellule : les conditions biologiques, les signaux externes et les mécanismes épigénétiques participent également à son état.

La promesse de cette recherche tient moins à l’idée d’une carte définitive du génome qu’à l’apparition d’un outil méthodologique. En rendant les réseaux génétiques plus lisibles, il pourrait aider les biologistes à passer d’une observation massive de données à des questions causales plus précises, puis à des expériences mieux ciblées.