Science du week-end : un ordinateur quantique vient d'aider à inventer de nouveaux candidats médicamenteux

Points clés

• Des chercheurs de l'Université technique du Danemark ont utilisé un modèle d'IA assisté par ordinateur quantique en 2024 pour générer de nouveaux peptides, de courtes chaînes ressemblant à des protéines utilisées dans le développement de médicaments.
• Les tests en laboratoire ont confirmé que le modèle assisté par ordinateur quantique a produit plus de peptides réussis que l'équivalent logiciel standard, avec les plus grands gains là où les données d'entraînement étaient rares.
• L'équipe a financé le travail en regroupant l'argent inutilisé d'autres projets et en travaillant les week-ends, car aucun organisme de subvention ne voulait le soutenir.
• Les ordinateurs quantiques sont encore trop petits pour exécuter des modèles complets de découverte de médicaments, donc ce résultat est une preuve de concept, pas un produit fini.
• ORCA Computing, la start-up britannique qui a construit la machine quantique, affirme que l'étude est l'un des premiers cas d'usage commercial à court terme clair de la technologie.

Une petite équipe de l'Université technique du Danemark (DTU) a démontré que connecter un ordinateur quantique à un pipeline de découverte de médicaments par IA peut produire de meilleurs candidats médicamenteux que l'utilisation d'un ordinateur ordinaire seul. Ils ont publié les résultats après avoir mené l'expérience les week-ends, la finançant avec les fonds restants d'autres subventions.

Le modèle d'IA en question est un modèle génératif, un logiciel qui crée de nouvelles sorties plutôt que de simplement classer les sorties existantes, similaire dans son principe à la technologie derrière les générateurs d'images. Ici, il générait des peptides : de minuscules chaînes d'acides aminés, les éléments constitutifs des protéines, qui peuvent s'accrocher à des cibles spécifiques dans le corps. Trouver des peptides qui se lient de manière fiable à une protéine cible est une étape précoce critique dans la conception des vaccins et d'autres médicaments.

La machine quantique qu'ils ont utilisée a été construite par la start-up britannique ORCA Computing et mesure à peu près la taille d'une imprimante de bureau. Ce n'est pas un remplacement autonome d'un ordinateur ordinaire. Au lieu de cela, elle fonctionne aux côtés d'un ordinateur, une configuration que les chercheurs appellent un système hybride. Le composant quantique gère une partie spécifique du calcul où la physique quantique lui donne un avantage dans l'exploration de possibilités variées.

Les tests en laboratoire avaient leur importance. L'équipe a réellement synthétisé les peptides que le modèle a suggérés et testé s'ils s'accrochaient physiquement à leurs protéines cibles. Ils l'ont fait, et à un taux de réussite plus élevé que les peptides générés par la version classique, non quantique, du même modèle. L'amélioration était la plus marquée pour les protéines où les données d'entraînement, les exemples historiques à partir desquels l'IA apprend, étaient limitées.

Ce dernier point est important. La plupart des recherches médicales se sont concentrées sur les populations occidentales, laissant moins de données génétiques pour les personnes en Asie, en Afrique et dans d'autres groupes peu étudiés. Le professeur du DTU Timothy Patrick Jenkins, qui a dirigé le projet, a déclaré à Wired que l'étape quantique semblait aider le modèle à générer un ensemble de candidats plus diversifié même avec des données limitées, ce qui pourrait éventuellement aider à produire des médicaments qui fonctionnent chez un plus large éventail de patients.

Cela signifie-t-il que les ordinateurs quantiques changeront la médecine bientôt ?

Pas encore. Les machines quantiques disponibles aujourd'hui sont trop petites pour exécuter un modèle d'anticorps de taille réelle, du type avec lequel les chercheurs travaillent généralement. Un ordinateur haut de gamme standard surpasserait toujours les ordinateurs quantiques sur la plupart des tâches réelles de découverte de médicaments. Le directeur général d'ORCA Computing, Richard Murray, a reconnu que la technologie a longtemps souffert d'un manque d'usages clairs à court terme. Cette étude, dit-il, est l'un des premiers exemples concrets qu'elle peut faire quelque chose d'utile dans un cadre commercial aujourd'hui.

Jenkins prépare déjà l'étape suivante : tester le flux de travail sur des protéines plus grandes et des modèles d'IA plus avancés. Il explore également si la même approche quantique pourrait aider à concevoir des antidotes synthétiques contre le venin de serpent, un domaine négligé qui attire peu de financement de recherche.

Pour les patients et le public, l'impact pratique est à des années d'intervalle. Ce que cette étude fait, c'est donner aux chercheurs une petite raison, mais bien réelle, de continuer à explorer cette combinaison.