1
00:00:00,917 --> 00:00:03,825
Alors, comment allons-nous battre 
ce nouveau coronavirus ?

2
00:00:04,317 --> 00:00:06,948
En utilisant nos meilleurs outils :

3
00:00:06,972 --> 00:00:09,011
notre science et notre technologie.

4
00:00:09,644 --> 00:00:12,640
Dans mon laboratoire,
nous utilisons les outils de l'IA

5
00:00:12,750 --> 00:00:14,329
et de la biologie synthétique

6
00:00:14,353 --> 00:00:17,413
pour accélérer la lutte 
contre cette pandémie.

7
00:00:18,078 --> 00:00:19,941
Notre travail a été initialement conçu

8
00:00:19,941 --> 00:00:22,902
pour s'attaquer au problème
de la résistance aux antibiotiques.

9
00:00:22,902 --> 00:00:27,021
Notre projet vise à exploiter le pouvoir
de l'apprentissage automatique

10
00:00:27,021 --> 00:00:29,401
pour réapprovisionner
notre arsenal d'antibiotiques

11
00:00:29,425 --> 00:00:33,263
et éviter la catastrophe planétaire
d'une ère post-antibiotique.

12
00:00:33,415 --> 00:00:36,529
Ce qui est intéressant est
qu'on peut utiliser la même technologie

13
00:00:36,529 --> 00:00:38,601
pour rechercher des composés antiviraux

14
00:00:38,625 --> 00:00:41,403
qui pourraient nous aider
à combattre la pandémie actuelle.

15
00:00:42,080 --> 00:00:45,432
L'apprentissage automatique
va révolutionner le modèle traditionnel

16
00:00:45,432 --> 00:00:47,410
de découverte de médicaments.

17
00:00:47,434 --> 00:00:48,659
Avec cette approche,

18
00:00:48,683 --> 00:00:52,761
au lieu de tester péniblement
des milliers de molécules existantes,

19
00:00:52,785 --> 00:00:54,221
une par une en laboratoire,

20
00:00:54,245 --> 00:00:55,832
pour vérifier leur efficacité,

21
00:00:55,856 --> 00:01:00,513
on peut entraîner un ordinateur à explorer
l'espace exponentiellement plus large

22
00:01:00,537 --> 00:01:04,121
de presque toutes les molécules possibles
qui pourraient être synthétisées,

23
00:01:04,145 --> 00:01:09,759
et donc, au lieu de chercher une
aiguille dans une botte de foin,

24
00:01:09,783 --> 00:01:13,543
nous pouvons utiliser l'aimant géant
de la puissance de calcul

25
00:01:13,567 --> 00:01:17,672
pour trouver beaucoup d'aiguilles dans une
multitude de bottes de foin simultanément.

26
00:01:18,423 --> 00:01:20,575
Nous avons déjà eu
quelques premiers succès.

27
00:01:21,010 --> 00:01:26,055
On a utilisé l'apprentissage automatique
pour découvrir de nouveaux antibiotiques

28
00:01:26,055 --> 00:01:29,059
pour nous aider à combattre
les infections bactériennes

29
00:01:29,083 --> 00:01:32,694
qui peuvent surgir suite
aux infections du SARS-CoV-2.

30
00:01:33,181 --> 00:01:37,350
Il y a deux mois, l'Audacious Projet
de TED nous a octroyé un financement

31
00:01:37,374 --> 00:01:39,562
pour intensifier massivement notre travail

32
00:01:39,586 --> 00:01:44,214
afin de découvrir
sept nouvelles classes d'antibiotiques

33
00:01:44,238 --> 00:01:47,721
contre sept des bactéries
les plus mortelles au monde

34
00:01:47,745 --> 00:01:49,800
au cours des sept prochaines années.

35
00:01:50,206 --> 00:01:51,839
Pour vous donner une idée :

36
00:01:51,839 --> 00:01:54,035
le nombre de nouvelles 
classes d'antibiotiques

37
00:01:54,035 --> 00:01:57,150
découvertes au cours
des 30 dernières années est zéro.

38
00:01:58,030 --> 00:02:01,601
La rechercher de nouveaux antibiotiques
est notre objectif à moyen terme,

39
00:02:01,625 --> 00:02:06,277
mais le nouveau coronavirus pose
une menace mortelle immédiate.

40
00:02:06,301 --> 00:02:10,094
Je suis fier d'annoncer que nous pensons 
pouvoir utiliser la même technologie

41
00:02:10,118 --> 00:02:12,927
pour rechercher des thérapies
pour combattre ce virus.

42
00:02:13,446 --> 00:02:15,109
Comment allons-nous faire ?

43
00:02:15,109 --> 00:02:18,391
On est en train de créer une librairie
d'entrainement sur les composés

44
00:02:18,391 --> 00:02:21,557
et, avec des collaborateurs
qui appliquent ces molécules

45
00:02:21,557 --> 00:02:23,767
aux cellules infectées par le SARS-CoV-2,

46
00:02:23,767 --> 00:02:27,661
nous allons voir lesquelles d'entre elles
présentent une activité efficace.

47
00:02:28,065 --> 00:02:31,561
Ces données serviront pour entraîner
un modèle d'apprentissage automatique

48
00:02:31,561 --> 00:02:35,845
à appliquer à une bibliothèque in silico
de plus d'un milliard de molécules

49
00:02:35,845 --> 00:02:39,689
pour rechercher de potentiels
nouveaux composés antiviraux.

50
00:02:39,964 --> 00:02:43,206
Nous synthétiserons et testerons
ceux avec les meilleures prédictions

51
00:02:43,206 --> 00:02:46,446
pour passer aux études cliniques
avec les plus prometteurs.

52
00:02:46,446 --> 00:02:48,134
Trop beau pour être vrai ?

53
00:02:48,158 --> 00:02:49,590
Eh bien, ça ne devrait pas.

54
00:02:49,614 --> 00:02:53,153
Le projet Antibiotics AI est basé
sur notre recherche « preuve de concept »

55
00:02:53,153 --> 00:02:56,513
qui a conduit à la découverte d'un nouvel
antibiotique à large spectre,

56
00:02:56,513 --> 00:02:58,443
appelé halicine.

57
00:02:58,443 --> 00:03:01,256
L'halicine exerce
une puissante activité antibactérienne

58
00:03:01,280 --> 00:03:05,382
contre presque tous les pathogènes
bactériens résistant aux antibiotiques,

59
00:03:05,406 --> 00:03:09,047
y compris les infections pan-résistantes
non traitables.

60
00:03:09,722 --> 00:03:12,156
Et surtout, contrairement
aux antibiotiques actuels,

61
00:03:12,156 --> 00:03:15,850
la fréquence à laquelle les bactéries 
développent une résistance à l'halicine

62
00:03:15,874 --> 00:03:17,358
est particulièrement réduite.

63
00:03:18,303 --> 00:03:23,013
Nous avons testé la capacité des bactéries
à développer une résistance à l'halicine

64
00:03:23,037 --> 00:03:25,045
aussi bien qu'à la cipro en laboratoire.

65
00:03:25,299 --> 00:03:26,841
Dans le cas de la cipro,

66
00:03:26,865 --> 00:03:29,690
après juste un jour, nous avons
remarqué une résistance.

67
00:03:30,213 --> 00:03:31,691
Dans le cas de l'halicine,

68
00:03:31,715 --> 00:03:34,040
après un jour, nous n'avons vu
aucune résistance.

69
00:03:34,479 --> 00:03:37,781
Mais ce qui est étonnant,
c'est que même après 30 jours,

70
00:03:37,805 --> 00:03:40,406
nous n'avons vu aucune résistance
à l'halicine.

71
00:03:41,098 --> 00:03:43,809
Pour ce projet pilote,
nous avons d'abord testé

72
00:03:43,809 --> 00:03:47,259
environ 2 500 composés contre l'E. coli.

73
00:03:47,259 --> 00:03:50,039
Ce lot d'apprentissage incluait
les antibiotiques connus,

74
00:03:50,063 --> 00:03:51,809
comme la cipro et la pénicilline,

75
00:03:51,833 --> 00:03:54,315
ainsi que de nombreux médicaments
non antibiotiques.

76
00:03:54,984 --> 00:03:57,571
Nous avons utilisé ces données
pour entraîner un modèle

77
00:03:57,571 --> 00:04:01,269
sur les caractéristiques moléculaires
liées à l'activité antibactérienne.

78
00:04:01,999 --> 00:04:03,384
Nous l'avons ensuite appliqué

79
00:04:03,384 --> 00:04:05,704
à une bibliothèque
de réemploi des médicaments

80
00:04:05,704 --> 00:04:07,472
comprenant des milliers de molécules

81
00:04:07,496 --> 00:04:10,114
et demandé au modèle d'identifier celles

82
00:04:10,138 --> 00:04:12,922
qui étaient présumées avoir
des propriétés antibactériennes

83
00:04:12,946 --> 00:04:15,769
mais qui ne ressemblaient pas
aux antibiotiques existants.

84
00:04:16,427 --> 00:04:21,224
Or, une seule molécule de cette 
librairie respectait ces critères,

85
00:04:21,248 --> 00:04:23,584
et cette molécule était l'halicine.

86
00:04:24,444 --> 00:04:27,866
Étant donné que l'halicine ne ressemblait
à aucun antibiotique existant,

87
00:04:27,866 --> 00:04:31,710
il aurait été impossible pour un humain, 
même un expert en antibiotiques,

88
00:04:31,734 --> 00:04:33,918
d'identifier l'halicine de cette manière.

89
00:04:34,534 --> 00:04:37,318
Imaginez donc ce qu'on peut réaliser
avec cette technologie

90
00:04:37,318 --> 00:04:38,969
contre le SARS-CoV-2.

91
00:04:39,783 --> 00:04:41,148
Et ce n'est pas tout.

92
00:04:41,172 --> 00:04:43,992
Nous utilisons aussi les outils
de la biologie synthétique,

93
00:04:44,016 --> 00:04:46,627
bricolant l'ADN et d'autres
mécanismes cellulaires,

94
00:04:46,651 --> 00:04:50,561
pour poursuivre nos objectifs humains,
comme la lutte contre le COVID-19.

95
00:04:50,585 --> 00:04:54,232
Par exemple, nous travaillons pour
développer un masque de protection

96
00:04:54,256 --> 00:04:57,688
qui puisse aussi servir
d'outil de diagnostic rapide.

97
00:04:58,192 --> 00:04:59,614
Comment ça marche ?

98
00:04:59,614 --> 00:05:00,917
Nous avons récemment montré

99
00:05:00,917 --> 00:05:03,924
qu'on peut prendre le mécanisme
cellulaire d'une cellule vivante

100
00:05:03,924 --> 00:05:07,976
et le lyophiliser avec des
capteurs d'ARN sur du papier

101
00:05:08,000 --> 00:05:12,916
afin de créer des outils de diagnostic
à faible coût pour l'Ebola et le Zika.

102
00:05:13,503 --> 00:05:18,730
Les capteurs sont activés quand ils sont
réhydratés par un échantillon du patient

103
00:05:18,754 --> 00:05:21,576
comme par exemple du sang ou de la salive.

104
00:05:21,600 --> 00:05:24,861
Il s'avère que cette technologie
n'est pas limitée au papier

105
00:05:24,885 --> 00:05:27,881
et peut être appliquée à d'autres
matériaux, y compris le tissu.

106
00:05:28,671 --> 00:05:30,613
Pour la pandémie de COVID-19,

107
00:05:30,637 --> 00:05:34,983
nous travaillons pour réaliser
de capteurs ARN pour détecter le virus

108
00:05:35,007 --> 00:05:38,217
et les lyophiliser avec
le mécanisme cellulaire nécessaire

109
00:05:38,241 --> 00:05:40,948
dans le tissu d'un masque,

110
00:05:40,972 --> 00:05:43,201
où le simple fait de respirer,

111
00:05:43,225 --> 00:05:45,502
grâce à la vapeur d'eau,

112
00:05:45,526 --> 00:05:47,286
peut activer le test.

113
00:05:47,804 --> 00:05:52,064
Ainsi, si un patient est infecté
par le SARS-CoV-2,

114
00:05:52,088 --> 00:05:54,161
le masque produira un signal fluorescent

115
00:05:54,185 --> 00:05:58,015
qui pourrait être détecté par un simple
appareil portable et pas cher.

116
00:05:58,534 --> 00:06:03,018
En une ou deux heures, on pourrait
ainsi diagnostiquer un patient,

117
00:06:03,042 --> 00:06:06,014
sûrement, à distance et avec précision.

118
00:06:06,735 --> 00:06:09,155
Nous utilisons aussi
la biologique synthétique

119
00:06:09,155 --> 00:06:11,999
pour développer un possible vaccin
contre le COVID-19.

120
00:06:13,014 --> 00:06:15,587
Nous retravaillons le vaccin BCG,

121
00:06:15,587 --> 00:06:18,585
qui a été utilisé pendant presque 100 ans
contre la tuberculose.

122
00:06:18,585 --> 00:06:20,126
C'est un vaccin vivant atténué,

123
00:06:20,150 --> 00:06:24,727
et nous le retravaillons pour lui faire
exprimer les antigènes du SARS-CoV-2,

124
00:06:24,727 --> 00:06:27,739
ce qui devrait déclencher la production
d'anticorps protecteurs

125
00:06:27,739 --> 00:06:29,304
par le système immunitaire.

126
00:06:29,304 --> 00:06:32,146
En plus, le BCG peut être produit
en énormes quantités

127
00:06:32,146 --> 00:06:36,659
et son profil de sécurité est l'un
des meilleurs de tous les vaccins connus.

128
00:06:37,881 --> 00:06:42,986
Avec les outils de la biologie synthétique
et de l'intelligence artificielle,

129
00:06:43,010 --> 00:06:46,358
nous pouvons gagner la lutte
contre le nouveau coronavirus.

130
00:06:46,844 --> 00:06:50,163
Ce travail en est à ses débuts, 
mais la promesse est réelle.

131
00:06:50,798 --> 00:06:54,243
Science et technologie peuvent nous donner
un important avantage

132
00:06:54,267 --> 00:06:57,802
dans la bataille des cerveaux humains
contre les gènes des super-bactéries,

133
00:06:57,802 --> 00:06:59,703
une bataille que nous pouvons remporter.

134
00:06:59,990 --> 00:07:01,223
Merci.