L’Académie royale des sciences de Suède a annoncé mercredi les prix Nobel 2024, dont deux représentent des avancées significatives dans des domaines scientifiques cruciaux pour la découverte de médicaments et la mission de Conscience. Ces découvertes, qui se sont appuyées sur des données ouvertes de haute qualité, illustrent l’importance à la fois de la qualité et de l’ouverture des données pour l’avenir de l’IA dans le développement de médicaments.
Le prix Nobel de chimie a été attribué conjointement à David Baker (Université de Washington) et à Demis Hassabis et John Jumper (Google DeepMind) pour leurs travaux pionniers dans le domaine de la conception informatique des protéines et de la prédiction de leur structure, qui transforment notre capacité à développer de nouveaux médicaments. Le prix de physique décerné à Geoffrey Hinton pour ses travaux sur les réseaux neuronaux artificiels sous-tend les modèles d’IA à l’origine de bon nombre de ces découvertes, marquant ainsi une avancée majeure pour l’intégration de l’IA dans le domaine de la découverte de médicaments.
De telles avancées sont essentielles à la mission de Conscience qui consiste à accélérer la découverte de médicaments grâce à l’innovation et à la collaboration. L’IA jouera sans aucun doute un rôle dans l’avenir de la découverte de médicaments – nous pensons que la meilleure façon d’avancer est de partager des données sur lesquelles tout le monde peut travailler, de créer des références dont tout le monde peut s’inspirer et d’encourager une culture de science ouverte et de collaboration pour construire un domaine de l’IA qui profite à tout le monde et ne laisse personne de côté.
David Baker a dirigé le premier groupe de recherche à concevoir de nouvelles protéines à partir d’acides aminés, qui peuvent être utilisées comme médicaments, vaccins et nanomatériaux. M. Baker collabore depuis longtemps avec nos partenaires du Consortium de génomique structurelle (CGS) à Toronto, avec lesquels il a publié de nombreux articles. Les contributions de Demis Hassabis et de John Jumper, par l’intermédiaire d’AlphaFold, ont révolutionné la prédiction de la structure des protéines, une étape essentielle pour comprendre les mécanismes des maladies et découvrir de nouveaux médicaments. Ces technologies nous aident à prédire comment les protéines se replient et interagissent avec les médicaments, ce qui est essentiel pour mettre au point des traitements efficaces. Des innovations comme celles-ci aident Conscience à atteindre son objectif, qui est de remédier aux défaillances du marché dans le développement de médicaments en tirant parti de la science ouverte et collaborative.
Les travaux de Geoffrey Hinton sur les réseaux neuronaux sont à la base des modèles pilotés par l’IA dans la découverte computationnelle de médicaments. La capacité de l’IA à passer au crible de vastes ensembles de données et à prédire les résultats est déjà en train de remodeler l’industrie pharmaceutique, et les défis CACHE de Conscience s’appuient sur ces technologies pour tenter de créer des voies plus efficaces d’identification des médicaments candidats prometteurs grâce à l’étalonnage, à la collaboration et au partage des données.
Ces percées récompensées par le prix Nobel sont la preuve de ce que l’IA et les données ouvertes peuvent accomplir pour l’avenir de la médecine lorsque la collaboration est au cœur de tout cela.
