Une équipe d’informaticiens de l’Université de New York a créé un réseau neuronal able d’expliquer remark elle parvient à ses prédictions. Le travail révèle ce qui explique la fonctionnalité des réseaux neuronaux – les moteurs qui pilotent l’intelligence artificielle et l’apprentissage automatique – éclairant ainsi un processus qui a été largement caché aux utilisateurs.
Cette avancée se concentre sur une utilisation spécifique des réseaux neuronaux, devenue populaire ces dernières années, pour répondre à des inquiries biologiques difficiles. Parmi ceux-ci figurent des examens des subtilités de l’épissage de l’ARN – le stage central de l’étude – qui joue un rôle dans le transfert d’informations de l’ADN vers l’ARN fonctionnel et les produits protéiques.
« De nombreux réseaux de neurones sont des boîtes noires : ces algorithmes ne peuvent pas expliquer remark ils fonctionnent, ce qui soulève des inquiétudes quant à leur fiabilité et étouffe les progrès dans la compréhension des processus biologiques sous-jacents au codage du génome », déclare Oded Regev, professeur d’informatique au Courant Institute of Mathematical de NYU. Sciences et auteur principal de l’article, qui paraît dans les Actes de la National Academy of Sciences. « En exploitant une nouvelle approche qui améliore à la fois la quantité et la qualité des données pour la formation en apprentissage automatique, nous avons conçu un réseau neuronal interprétable able de prédire avec précision des résultats complexes et d’expliquer remark il parvient à ses prédictions. »
Regev et les autres auteurs de l’article, Susan Liao, professeure au Courant Institute, et Mukund Sudarshan, doctorant Courant au minute de l’étude, ont créé un réseau neuronal basé sur ce que l’on sait déjà sur l’épissage de l’ARN.
Moreover précisément, ils ont développé un modèle – l’équivalent d’un microscope de grande puissance basé sur les données – qui permet aux scientifiques de tracer et de quantifier le processus d’épissage de l’ARN, de la séquence d’entrée à la prédiction de l’épissage de sortie.
« En utilisant une approche » interprétable par conception « , nous avons développé un modèle de réseau neuronal qui fournit des informations sur l’épissage de l’ARN – un processus fondamental dans le transfert d’informations génomiques », notice Regev. « Notre modèle a révélé qu’une petite structure en forme d’épingle à cheveux dans l’ARN peut diminuer l’épissage. »
Les chercheurs ont confirmé les informations fournies par leur modèle grâce à une série d’expériences. Ces résultats correspondent à la découverte du modèle : chaque fois que la molécule d’ARN se repliait dans une configuration en épingle à cheveux, l’épissage était interrompu, et au instant où les chercheurs perturbaient cette framework en épingle à cheveux, l’épissage était rétabli.
La recherche a été soutenue par des subventions de la Nationwide Science Basis (MCB-2226731), de la Fondation Simons, de la Everyday living Sciences Exploration Basis, d’un prix de développement de carrière Additionnel Ventures et d’une bourse PhRMA.
