Une équipe de chercheurs de l'Université de l'Alberta, dirigée par l'étudiant en doctorat Fei Wang sous la supervision de Russ Greiner et David Wishart, a développé une innovation majeure en chimie et en intelligence artificielle. Leurs travaux, publiés en janvier dans la revue Nature, visent à cartographier la « matière noire » métabolique, c'est-à-dire des milliers de petites molécules invisibles aux techniques de spectrométrie de masse actuelles. Ces molécules inconnues constituent la majorité des métabolites, les composés essentiels au fonctionnement du corps humain et animal. L'équipe a créé DeepMet, un modèle linguistique chimique entraîné sur les structures de plus de 2 000 métabolites humains connus. Fonctionnant sur un principe similaire aux modèles de langage comme ChatGPT, DeepMet apprend la « logique » du métabolisme à partir des données existantes pour prédire celles qui restent à découvrir. En générant un milliard de structures moléculaires potentielles, les chercheurs ont analysé les résultats pour identifier les molécules les plus fréquemment produites par l'intelligence artificielle comme étant les plus susceptibles d'exister réellement dans la nature. Cette approche permet d'anticiper la chimie biologique pour révéler les composants cachés du métabolome entier des mammifères. Jusqu'à présent, l'algorithme a permis d'identifier avec succès plusieurs dizaines de métabolites mammifères jusqu'alors non reconnus, tant dans des échantillons humains que chez la souris. Ces découvertes ouvrent de nouvelles perspectives pour la médecine. Les métabolites jouent un rôle crucial dans le fonctionnement de l'organisme en fournissant de l'énergie, en construisant des structures cellulaires et en envoyant des signaux à différentes parties du corps. Comme l'explique Russ Greiner, si les gènes constituent le plan de construction de l'individu, les métabolites représentent ce qui se passe réellement dans le corps à un moment donné. La capacité à identifier ces molécules manquantes pourrait transformer le diagnostic médical et le développement de nouveaux médicaments. Comprendre le rôle précis de ces métabolites inconnus permettrait d'améliorer les outils de détection précoce des maladies et de créer des thérapies ciblant plus efficacement les voies métaboliques spécifiques. Cette avancée marque un tournant significatif dans l'étude du métabolisme, en comblant un vide scientifique important grâce à la puissance de l'apprentissage profond. En cartographiant cette partie obscure du métabolome, les chercheurs posent les bases d'une médecine plus précise et personnalisée, capable d'analyser l'état biologique actuel d'un patient avec une netteté inédite.