La Grande Illusion de l'IA dans la Découverte de Médicaments
Ah, l'IA. Ce mot magique qui promet de transformer chaque aspect de notre vie, y compris la découverte de médicaments. Mais avant de vous laisser emporter par le train de la hype, prenons un moment pour examiner ce qui se passe réellement dans les coulisses.
GSK, un géant pharmaceutique, a récemment signé un accord de recherche avec Relation Therapeutics, une société de biotechnologie britannique. Valeur de l'accord ? Jusqu'à 110 millions de dollars. L'objectif ? Utiliser l'IA pour identifier de nouvelles cibles médicamenteuses. Mais attendez, ce n'est pas aussi simple que de lancer quelques algorithmes et d'attendre des résultats miraculeux.
La Vérité sur les Données Biologiques
La clé de cette collaboration réside dans la génération de données biologiques de haute qualité. Relation Therapeutics est chargée de créer des ensembles de données à grande échelle qui mesurent la réponse des cellules humaines aux changements génétiques et aux interventions médicamenteuses. Ces données sont ensuite utilisées pour entraîner des modèles d'IA, y compris leur plateforme MORGAN.
Mais voici le hic : contrairement aux grands modèles linguistiques, plus de données biologiques ne signifient pas nécessairement de meilleures performances. En fait, les modèles de fondation monocellulaires peuvent atteindre un plateau de performance même avec l'augmentation des données. C'est un peu comme essayer de remplir un seau percé.
Les Défis des Données Publiques
Les référentiels publics de données, comme le NCBI Gene Expression Omnibus, sont souvent remplis de bruit technique et de chevauchements de données. Cela signifie que les entreprises doivent se tourner vers des ensembles de données spécialisés et propriétaires pour obtenir des résultats fiables. Mais attention, l'accès à ces données de haute qualité reste un goulot d'étranglement majeur.