Quine : une IA pour explorer la biologie, pas encore pour soigner

Quine est un projet expérimental de Microsoft Research visant à créer un « modèle du monde » biologique : un système qui relie différents types de données afin d’aider les chercheurs à explorer comment un système biologique pourrait réagir à une intervention. Le résultat mis en avant dans le cancer du pancréas est une avancée de recherche, pas un traitement éprouvé : Microsoft indique que plusieurs composés sélectionnés par l’IA ont été validés lors d’essais en laboratoire menés avec des chercheurs du Broad Institute. 2

Un « modèle du monde » pour relier des données biologiques

Les données biologiques prennent des formes variées et décrivent des phénomènes à différentes échelles. Quine cherche à apprendre des représentations communes à partir de données de séquence, de structure, de fonction, d’état cellulaire et d’imagerie, pour mettre en relation ces différents types d’information. 26

L’expression « modèle du monde » désigne ici l’ambition de représenter des systèmes biologiques et de prédire comment leur état pourrait évoluer. Elle ne signifie pas que Quine dispose d’un modèle complet ou définitif de la biologie. Microsoft présente le projet comme une technologie expérimentale en phase précoce et prévient que ses résultats peuvent être incomplets ou inexacts. 24

Des prédictions aux expériences

Le modèle s’accompagne d’un environnement de recherche interactif — un « harness », selon le terme employé par Microsoft — qui met en relation des modèles d’IA, des outils scientifiques, la littérature, les chercheurs et le travail en laboratoire. 24 L’objectif est d’explorer une question, de repérer des interventions possibles et de hiérarchiser les expériences à réaliser. Les résultats de laboratoire peuvent ensuite alimenter la réflexion des scientifiques.

La distinction est essentielle : Quine peut aider à décider quoi étudier, mais une prédiction du modèle ne constitue pas une confirmation expérimentale. Microsoft décrit le projet comme un moyen de rapprocher calcul informatique et recherche scientifique, et non comme un substitut aux chercheurs ou aux validations en laboratoire. 2

Ce que l’étude sur le cancer du pancréas a montré

Avec des chercheurs du Broad Institute du MIT et de Harvard, Microsoft a utilisé Quine pour sélectionner des composés susceptibles de faire évoluer des cellules tumorales pancréatiques vers des états jugés pertinents pour la recherche thérapeutique. Microsoft rapporte que plusieurs des candidats les mieux classés ont été validés dans plusieurs essais en laboratoire. 2

C’est un résultat de recherche encourageant, mais sa portée doit être bien comprise : la validation rapportée concerne des expériences en laboratoire. Elle ne démontre pas que ces composés soient sûrs ou efficaces comme traitements chez l’être humain. Microsoft précise que Quine est destiné à la recherche, et non à un usage clinique ou médical. 2

Limites, accès et programme Quine Fellows

Quine reste expérimental : ses résultats doivent être examinés par des spécialistes et vérifiés par des expériences. Microsoft ne le présente ni comme un outil d’aide à la décision clinique ni comme un produit largement accessible. Son programme Quine Fellows doit donner accès au système à un groupe de scientifiques et leur permettre de faire remonter leurs observations. 2

La page officielle décrit une bourse de recherche de 16 semaines, avec soutien financier, organisée par Microsoft Research à Cambridge, dans le Massachusetts. Elle s’adresse aux doctorants, chercheurs postdoctoraux, chercheurs scientifiques ainsi qu’aux chercheurs universitaires ou indépendants. 45 Les informations disponibles ne confirment pas les dates d’ouverture et de clôture des candidatures ni le calendrier de la cohorte : il faut consulter la page officielle Quine Fellows pour connaître les échéances à jour. 45

À retenir : Quine est une plateforme de recherche conçue pour rapprocher données biologiques, prédictions informatiques et expériences. La collaboration avec le Broad Institute en donne un premier exemple, en aidant à prioriser des essais de laboratoire. Les questions essentielles sur une éventuelle efficacité clinique, elles, restent ouvertes.