Lorsque les premiers rapports d’une nouvelle variante Covid-19 émergent, les scientifiques du monde entier se précipitent pour répondre à une question critique: cette nouvelle souche sera-t-elle plus contagieuse ou plus grave que ses prédécesseurs? Au moment où les réponses arrivent, il est souvent trop tard pour éclairer les décisions de politique publique immédiate ou ajuster les stratégies de vaccination, coûter aux responsables de la santé publique de précieux temps, efforts et ressources.
Dans une paire de publications récentes dans Actes de l’Académie nationale des sciencesune équipe de recherche du Département de chimie et de biologie chimique a combiné la biophysique avec l’intelligence artificielle pour identifier les variantes virales à haut risque en temps record – offrant une approche transformatrice pour gérer les pandémies. Leur objectif: prendre de l’avance sur un virus en prévoyant ses sauts évolutifs avant de menacer la santé publique.
« En tant que société, nous sommes souvent très non préparés à l’émergence de nouveaux virus et pandémies, donc notre laboratoire a travaillé sur des moyens d’être plus proactifs », a déclaré l’auteur principal Eugene Shakhnovich, professeur de chimie de Roy G. Gordon. « Nous avons utilisé des principes fondamentaux de la physique et de la chimie pour développer un modèle à plusieurs échelles pour prédire le cours de l’évolution d’une variante particulière et pour prédire quelles variantes deviendront dominantes dans les populations. »
Les études détaillaient les approches pour prévoir les variantes virales les plus susceptibles de devenir des risques de santé publique et de l’accélération de la validation expérimentale. Ensemble, ces progrès remodèlent à la fois la prédiction et la détection de variantes virales dangereuses, en définissant un modèle pour des applications plus larges.
Ces études ont été dirigées par des membres du laboratoire de Shakhnovich, dont les co-auteurs Dianzhuo (John) Wang et Vaibhav Mohanty, tous deux Ph.D. Étudiants de la Harvard Kenneth C. Griffin Graduate School of Arts and Sciences, et Marian Huot, un étudiant en visite de l’École Normale Supérieure.
« Notre travail s’est concentré sur la protéine de pointe de Covid-19, analysant comment ses mutations modifient la forme virale et l’évasion immunitaire », a déclaré Wang. « Étant donné que Covid-19 est la pandémie la plus largement documentée à ce jour, nous avons vu l’occasion de développer des modèles qui non seulement comprennent l’évolution virale, mais prévoient également quelles mutations sont susceptibles de constituer la plus grande menace. »
La première étude a introduit un modèle qui a lié quantitativement les caractéristiques biophysiques, telles que l’affinité de liaison de la protéine de pointes aux récepteurs humains et sa capacité à échapper aux anticorps – à une variante probable de faire augmenter dans les populations mondiales. En incorporant un facteur complexe mais essentiel appelé épistase (où l’effet d’une mutation dépend d’un autre), le modèle a surmonté une limitation clé des approches précédentes qui luttent pour faire des prédictions précises.
« L’évolution n’est pas linéaire – les mutations interagissent, débloquant parfois de nouvelles voies d’adaptation », a déclaré Shakhnovich. « L’apparence de ces relations nous a permis de prévoir l’émergence de variantes dominantes avant les signaux épidémiologiques. »
S’appuyant sur ces idées, l’étude complémentaire introduit viral (identification virale via un apprentissage actif rapide), un cadre de calcul qui combine le modèle biophysique avec l’intelligence artificielle pour accélérer la détection de variantes SARS-CoV-2 à haut risque. En analysant les mutations potentielles de la protéine de pointe, il a identifié ceux qui sont les plus probables à améliorer la transmissibilité et l’évasion immunitaire.
« Au début d’une pandémie, lorsque les ressources expérimentales sont rares, nous ne pouvons pas nous permettre de tester toutes les mutations possibles », a déclaré Wang. « Viral utilise l’intelligence artificielle pour concentrer les efforts de laboratoire sur les candidats les plus concernant – accélérant dramatiquement notre capacité à identifier les variantes qui pourraient conduire la prochaine vague. »
Les implications de cette recherche sont une grande portée. Les simulations montrent que le cadre viral peut identifier les variantes SARS-COV-2 à haut risque jusqu’à cinq fois plus rapidement que les approches conventionnelles, tout en nécessitant moins de 1% de l’effort de dépistage expérimental. Ce gain spectaculaire d’efficacité pourrait accélérer considérablement la réponse à l’épidémie précoce.
« Ce cadre ne nous aide pas seulement à suivre les variantes – elle nous aide à prendre de l’avance », a déclaré Huot. « En identifiant les variantes de haute augmentation avant d’apparaître dans la population, nous pouvons informer les stratégies de conception des vaccins qui anticipent, et pas seulement réagir, les menaces émergentes. »
Une caractéristique déterminante de ce travail est sa portée interdisciplinaire, l’équipe internationale de Harvard réunissant des domaines de biophysique moléculaire, d’intelligence artificielle et de virologie pour approfondir notre compréhension des menaces virales en évolution rapide.
« En unissant la modélisation et l’apprentissage automatique axées sur la physique, nous introduisons un cadre prédictif pour l’évolution virale avec un large potentiel », a déclaré Shakhnovich. « Nous sommes impatients de voir comment cette stratégie pourrait s’étendre au-delà des maladies infectieuses dans des domaines comme la biologie du cancer. »
Pour l’avenir, l’équipe vise à adapter et à évoluer le cadre pour une utilisation plus large, ciblant les défis tels que les autres virus émergents et les cellules tumorales en évolution rapide. Ils soulignent que la combinaison de la modélisation physique avec l’IA pourrait déplacer le paradigme du suivi réactif aux prévisions biologiques proactives.
« Dans un monde où les menaces biologiques évoluent constamment, des avertissements antérieurs et des outils plus intelligents sont essentiels », a déclaré Wang. « Notre objectif ultime est de créer une plate-forme, qui donne aux scientifiques et aux décideurs politiques une longueur d’avance non seulement dans les futures pandémies, mais aussi pour relever des défis à évolution rapide à travers la biologie », a ajouté Huot.
Shakhnovich a crédité les subventions des National Institutes of Health pour avoir permis à la recherche exploratoire au profit de la santé publique. La science fondamentale et les percées futures sont en grave danger en raison des coupes de Washington à la recherche scientifique, a averti Shakhnovich.
« Nos recherches ont le potentiel d’aider toute l’humanité à résoudre de graves problèmes de santé », a déclaré Shakhnovich. « Cela n’aurait pas été possible sans financement fédéral qui recherche des avantages à long terme. »
Fourni par Harvard Gazette
