Une équipe de l'IRB Barcelona, dirigée par le Dr Patrick Aloy, a démontré que l'intelligence artificielle peut concevoir de nouvelles molécules capables de cibler spécifiquement certains types cellulaires. Cette approche, dite découverte phénotypique, s'affranchit de la nécessité de connaître une cible moléculaire précise au préalable. Au lieu de se concentrer sur une protéine définie, le système génère des composés en fonction de l'effet biologique souhaité sur des cellules cibles, tout en limitant l'impact sur les cellules saines. Pour calibrer l'algorithme, les chercheurs ont testé plus de 11 000 composés chimiques sur huit modèles cellulaires, incluant des lignées de cancer pancréatique et des cellules contrôles. Ces données ont permis de créer des modèles prédictifs nettement plus performants que les méthodes traditionnelles basées sur la similarité chimique. Intégrés à un moteur d'IA générative, ces modèles ont proposé de nouvelles entités chimiques obéissant à deux critères principaux : une forte activité sur les cellules pathologiques et une action minimale sur les cellules normales. Les vérifications expérimentales ont confirmé les prédictions algorithmiques. Plusieurs molécules conçues par l'IA ont atteint leur cible avec précision et ont surpassé les composés issus du criblage conventionnel. Ces nouvelles entités présentent également une architecture chimique innovante, distincte des molécules existantes. Bien que cette méthodologie en soit à un stade précoce, elle promet d'accélérer la découverte de candidats-médicaments, particulièrement pour les maladies dont les mécanismes restent mal définis ou dépourvus de cible thérapeutique identifiée. Cette avancée illustre la convergence entre l'apprentissage automatique et la biologie structurale. En reliant directement la conception chimique à l'impact cellulaire observé, l'IRB Barcelona propose un paradigme inversé du développement pharmaceutique. Les travaux suivants viseront à valider ces molécules sur des systèmes biologiques plus complexes et à mesurer leur efficacité préclinique.