L’approbation par la FDA en août du premier vaccin à ARNm contre la grippe pour les adultes de 50 ans et plus a marqué un tournant : les thérapies à ARN sont passées de l’urgence pandémique aux soins de routine. Mais selon le biochimiste de Stanford Rhiju Das, le véritable changement ne fait que commencer. Dans un entretien approfondi, il explique pourquoi l’ARN pourrait devenir la classe de médicaments dominante, comment l’intelligence artificielle a résolu un problème de repliement qui a tenu les humains en échec pendant des décennies, et ce qu’il faudra pour transformer les molécules conçues par l’IA en médicaments approuvés. [1] [4]
Pourquoi l’ARN pourrait supplanter les protéines et les petites molécules
Das observe la renaissance de l’ARN depuis 25 ans. Il soutient que les thérapies à ARN sont « plus sophistiquées et adaptables » que les médicaments à base de protéines, de cellules ou de petites molécules, car une seule molécule peut transporter des instructions génétiques, réguler sa propre activité et répondre au contexte cellulaire. Cette polyvalence signifie que l’ARN pourrait finir par concurrencer ou remplacer des catégories entières de médicaments existants. Le vaccin à ARNm contre la grippe et les injections contre le COVID-19 avant lui ont prouvé que la plateforme fonctionne à grande échelle ; la prochaine étape consiste à étendre les capacités de l’ARN à l’intérieur du corps.
Le goulot d’étranglement du repliement et comment l’IA l’a brisé
La stabilité a été le principal casse-tête pratique. Les premiers vaccins à ARN nécessitaient des chaînes logistiques du froid extrême car l’ARN non replié se dégrade rapidement. Das a émis l’hypothèse qu’un ARN étroitement replié serait stable à des températures plus élevées — une propriété que les ARN repliés naturels présentent déjà. Son laboratoire a fait appel au crowdsourcing pour résoudre ce problème de conception via Eterna, une plateforme de jeu vidéo où, en 15 ans, les joueurs ont produit près de 40 publications évaluées par des pairs. Les humains sont devenus experts dans la conception de formes complexes d’ARN en 3D, mais des équipes d’IA se sont ensuite lancées dans le défi. Après quelques cycles, les conceptions agrégées de l’IA ont égalé ou dépassé les performances humaines — c’est la première fois qu’une méthode informatique bat des humains expérimentés en conception d’ARN. Les quatre conceptions générées par l’IA ont produit des structures claires et ordonnées au niveau atomique sous cryo-microscopie électronique, y compris des repliements jamais vus dans la nature.
Des médicaments programmables qui détectent et calculent
Ces nouveaux repliements sont plus que de simples curiosités structurelles. Das affirme que cette sophistication signifie que les futures thérapies à ARN pourraient « détecter dans quel type de cellule elles se trouvent, calculer des signaux moléculaires et même contrôler le moment où un traitement s’active ou s’arrête ». En d’autres termes, l’ARN devient un circuit logique moléculaire : un médicament qui ne s’active que dans les tissus malades, ajuste le dosage en fonction des niveaux de biomarqueurs ou s’auto-limite pour réduire les effets secondaires. Cette programmabilité est ce qui distingue l’ARN des petites molécules ou des protéines statiques.
La feuille de route à cinq ans et comment participer
Malgré cette percée, Das estime que les médicaments à ARN conçus par l’IA sont « encore à au moins cinq ans ». Le domaine doit encore résoudre plusieurs problèmes de conception fondamentaux — des défis que son équipe et la communauté au sens large abordent actuellement sur Eterna. Ces solutions deviendront les preuves de concept fondatrices qui ensemenceront un nouvel écosystème de conception d’ARN. Crucialement, la participation ne nécessite pas de doctorat. L’interface de jeu d’Eterna permet à quiconque de proposer des conceptions qui sont validées expérimentalement en laboratoire. Das appelle cela une opportunité rare de participer aux débuts d’une technologie promise à un impact massif.
Voie parallèle : l’IA pour de meilleurs vaccins contre la grippe
Pendant que les thérapies à ARN mûrissent, l’IA transforme déjà le vaccin saisonnier contre la grippe lui-même. Le système VaxSeer du MIT combine la modélisation évolutive avec des prédictions d’antigénicité pour prévoir quelles souches domineront, et des tests rétrospectifs montrent qu’il aurait surpassé les choix de souches de l’OMS au cours de la dernière décennie. Pendant ce temps, des cadres comme MAIVeSS ont réduit le temps de sélection des souches de plusieurs mois à quelques jours, et un vaccin conçu par l’IA de l’Université Flinders est entré en essais aux États-Unis dès 2019. Ces efforts ne remplacent pas les plateformes d’ARN ; ils améliorent les antigènes que ces plateformes délivrent.
La convergence est claire : l’IA apprend à écrire le code génétique de médicaments qui se replient, fonctionnent et décident. Le vaccin contre la grippe était la preuve de concept. La pharmacie à ARN programmable est la prochaine étape.
Sources
- Après le vaccin contre la grippe, le domaine des thérapies à ARN assistées par l’IA est sur le point de…
- Prédiction des vaccins contre la grippe par l’IA : VaxSeer du MIT - LiveAIWire
- Des scientifiques utilisent l’IA pour améliorer les vaccins contre la grippe, par Harshatej Simhadri
- Prédictions pour le vaccin contre la grippe
- Un nouveau vaccin contre la grippe créé par intelligence artificielle s’annonce comme le plus…