TML : un nouveau modèle d'apprentissage automatique pour accélérer le développement des médicaments

Une équipe de recherche internationale affirme avoir réussi à développer un nouveau modèle d'apprentissage automatique qui pourrait révolutionner le monde pharmaceutique. En effet, leur logiciel serait capable d’accélérer le processus de développement des médicaments.  Intitulé apprentissage automatique transformationnel (TML), ce dernier tente d’imiter les réactions du cerveau humain. Un moyen de mieux comprendre leurs effets à tous les niveaux.

La plupart des formes d'apprentissage automatique utilisent des exemples étiquetés basés sur des caractéristiques intrinsèques, comme la forme ou la couleur d'un objet. Le modèle informatique établit ensuite des règles pour relier les caractéristiques entre elles. Pour découvrir de nouveaux médicaments, les algorithmes recherchent des molécules ayant une propriété particulière, comme la forme. Mais le professeur Ross King, qui a dirigé les recherches, affirme que les modèles actuels standards fonctionnent de manière trop simpliste.

« C'est comme apprendre à un enfant à reconnaître différents animaux. Il va les enregistrer un à un. Il est de même avec un algorithme d’apprentissage automatique. En lui enseignant à quoi ressemble un lapin, il sera capable d’affirmer si oui ou non ça en est un. La plupart des formes d'apprentissage automatique fonctionnent de la sorte. Ainsi, elles traitent les problèmes un par un. »

Comprendre les principes de TML

Le Pr. Ross King souligne la différence du mode de fonctionnement d’un cerveau humain. Pour lui, il faut élaborer des algorithmes qui s’en rapprochent. Et les scientifiques sont de plus en plus en mesure de le faire grâce à leurs expériences passées. Dans l'apprentissage automatique transformationnel, le modèle informatique apprend différents concepts en même temps. Il peut donc recouper toutes les données pour résoudre de nouveaux problèmes.

« Pour développer TML, nous avons appliqué cette approche. Ainsi, notre système tire des informations des problèmes précédents qu'il a rencontrés pour mieux résoudre les suivants. Un système d'apprentissage automatique typique doit tout recommencer lorsqu'il apprend à identifier une nouvelle information. Par exemple, après le lapin, un chaton. L'apprentissage automatique transformationnel se sert de la similitude avec les animaux existants. Les chatons sont mignons comme des lapins. Cependant, ils n'ont pas d’aussi longues oreilles. TML est ainsi plus précis et permet une approche beaucoup plus puissante. »

Développement de médicaments

Les chercheurs ont démontré l'efficacité de leur idée sur des milliers de problèmes en sciences et en ingénierie. L'accélération de la conception des médicaments s'est avérée plus efficace avec TML. Il s'agit notamment de vérifier ce que d'autres modèles d'apprentissage automatique disent de certaines molécules. TML examine la relation entre un médicament et les problèmes liés à leur utilisation. Selon les chercheurs, le nouveau système a été capable de relier la spécificité des médicaments, les relations entre les médicaments et celles entre les protéines cibles plus rapidement et plus efficacement que les modèles d'apprentissage automatique standard.

TML : nouvelle piste pour la recherche

L'équipe de recherche, dirigée par l'Université de Cambridge au Royaume-Uni, a partagé l’ensemble de leurs travaux. Ils ont ainsi dévoilé leurs données, les méthodes et les codes utilisés avec la plateforme Open Science. Le but est de favoriser la reproductibilité et une recherche plus large pour le développement de médicaments. Joaquin Vanschoren, est l’un des chercheurs belges à avoir participé à ce projet. Il est professeur associé d'apprentissage automatique à l'Université de technologie d'Eindhoven (TU/e). Les résultats de leur étude ont été publiés dans la revue scientifique Proceedings of the National Academy of Sciences, sous le titre Transformational machine learning : Learning how to learn from many related scientific problems.