OpenAI se lance un défi ambitieux : utiliser l’intelligence artificielle pour prolonger la vie humaine. En collaborant avec une startup, l’entreprise développe un modèle innovant pour redessiner des protéines, s’inscrivant ainsi dans la continuité de réalisations marquantes dans le domaine biophysique.
OpenAI a établi un nouvel objectif : prolonger la vie humaine grâce à l’intelligence artificielle (IA). La société d’IA a annoncé qu’elle travaillait sur un nouveau modèle visant à redessiner des protéines en partenariat avec une startup scientifique. Cette étape fait suite au travail de Google, qui a reçu un Prix Nobel pour le développement d’AlphaFold.
Selon le MIT Technology Test, OpenAI a présenté le GPT-4b micro, un Small Language Model (SLM) conçu pour l’ingénierie de protéines dirigée. Cette avancée, réalisée en partenariat avec la société de recherche en longévité Retro Biosciences, représente la première incursion d’OpenAI dans la recherche biologique personnalisée.
Le GPT-4b micro vise à améliorer l’efficacité des facteurs de Yamanaka, un ensemble crucial de protéines pour la reprogrammation mobile. Ces facteurs induisent une transformation des cellules somatiques, les rétablissant à un état de cellule-souche avec un aspect jeune.
Ces cellules ont la capacité de se différencier en plusieurs types mobiles, offrant ainsi un potentiel pour la médecine régénérative, l’ingénierie des tissus et la modélisation des maladies.
Comment fonctionne le GPT-4b d’OpenAI
Selon les chercheurs, cette étude se distingue des méthodes conventionnelles de prédiction de la structure des protéines. En effet, Retro utilise des architectures de language models pour proposer des modifications dans la séquence des protéines.
Le but du GPT-4b micro est de suggérer des modifications aux facteurs de Yamanaka pour en accroître l’efficacité en matière de reprogrammation. Cela se fait par une stratégie de prompting similaire à l’apprentissage avec peu d’exemples, également connu sous le nom de few-shot learning. Le modèle reçoit des exemples de séquences de protéines et leurs fonctions associées, lui permettant d’extrapoler et de générer de nouvelles variantes de séquences.
Contrairement à AlphaFold, qui prédit le repliement des protéines, le GPT-4b micro se concentre sur la manipulation des séquences. Le modèle a été formé avec un dataset contenant des séquences de protéines de diverses espèces, ainsi que des informations sur les interactions entre protéines. Les scientifiques de Retro estiment que les facteurs de Yamanaka pourraient ouvrir la voie à la construction d’organes humains et de cellules de remplacement.
Des données préliminaires indiquent des améliorations substantielles dans l’efficacité de la reprogrammation, avec des augmentations signalées de plus de 50 fois pour certains facteurs modifiés. Bien que les premiers résultats soient encourageants, davantage de preuves et de validations sont nécessaires.