L’intelligence artificielle (IA) est en train de transformer de nombreux domaines dont la recherche scientifique. Michael Schon, associé de recherche à l’Université de Wageningen, est à l’avant-garde de cette révolution en concevant un outil d’IA capable de comparer les ARN non codants dans les génomes végétaux. Ce développement promet de simplifier et d’accélérer la création de variétés végétales plus résistantes aux conditions climatiques et aux maladies. Cette recherche innovante est soutenue par une subvention Veni.

L’importance des ARN Non Codants et la famille des Brassicaceae.

Les protéines, essentielles au fonctionnement cellulaire des organismes, sont produites selon les instructions des ARN codants. Cependant, certains gènes produisent des ARN non codants, qui n’instruisent pas la fabrication de protéines mais jouent néanmoins un rôle crucial dans le développement des organismes. Michael Schon explique que ces ARN peuvent activer ou désactiver des gènes, influençant ainsi l’apparence et les propriétés des plantes. Certains ARN non codants déterminent même la maturité des plantes.

L’ARN non codant pourrait également éclairer les raisons pour lesquelles certaines espèces végétales, bien que faisant partie de la même famille, présentent des caractéristiques distinctes. Schon a mené des recherches sur les ARN non codants d’Arabidopsis thaliana, une plante modèle pour les phytologues. Arabidopsis appartient à la famille des Brassicaceae, qui inclut des cultures importantes comme le brocoli et le chou-fleur. Cependant, comparer les ARN non codants d’Arabidopsis à ceux d’autres plantes de cette famille reste complexe en raison de la focalisation historique sur les gènes codants.

Comparer les ARN non codants nécessite une annotation spécifique pour chaque culture. Avec son projet Veni, Schon cherche à identifier les ARN non codants en utilisant les connaissances d’espèces apparentées. Plus de 200 séquences génomiques de la famille des Brassicaceae sont disponibles, mais ces génomes ne sont pas correctement annotés pour les bits non codants, rendant toute comparaison difficile. L’outil GeneSketch, développé par Schon, utilise la méthode Minimizer Sketch pour effectuer des comparaisons génomiques à partir de petits fragments d’ADN.

Lire plus : Test : On a demandé à ChatGPT combien génère comme chiffre d’affaires 10 H de melon charentais !

La technologie sous-jacente de GeneSketch est similaire à celle utilisée dans ChatGPT, appelée technologie des « transformateurs ». Ces modèles, une fois entraînés sur de grandes quantités de données, deviennent très efficaces pour détecter des motifs et comprendre des langages complexes, y compris celui de l’ADN. Schon travaille à former GeneSketch pour détecter les variations des gènes non codants entre différentes espèces.

Quelles perspectives pour GeneSketch ?

La formation de ces modèles pose des défis, notamment en termes de fiabilité et de coût. Les modèles doivent être suffisamment entraînés pour éviter les erreurs et produire des résultats cohérents. Schon expérimente différentes approches pour optimiser ce processus.

Schon espère disposer d’un prototype de GeneSketch après la première année de son projet, débuté en octobre 2023. Cet outil pourrait révolutionner non seulement la recherche génétique, mais aussi le secteur agricole. En fournissant des annotations génétiques précises, GeneSketch permettrait aux sélectionneurs de semences de mieux comprendre l’ADN des cultures et de leurs espèces sauvages apparentées. Cette compréhension pourrait aider à développer des cultures plus résilientes face aux changements climatiques, avec un impact potentiellement énorme pour l’agriculture mondiale.

L’IA, par le biais d’outils comme GeneSketch, ouvre de nouvelles perspectives dans la recherche agronomique, promettant des avancées significatives pour l’amélioration des cultures et la sécurité alimentaire mondiale.

Source : Wur