WEBVTT

00:00:00.917 --> 00:00:03.825
Alors, comment allons-nous battre 
ce nouveau coronavirus ?

00:00:04.317 --> 00:00:06.948
En utilisant nos meilleurs outils :

00:00:06.972 --> 00:00:09.011
notre science et notre technologie.

00:00:09.644 --> 00:00:12.640
Dans mon laboratoire,
nous utilisons les outils de l'IA

00:00:12.750 --> 00:00:14.329
et de la biologie synthétique

00:00:14.353 --> 00:00:17.413
pour accélérer la lutte 
contre cette pandémie.

00:00:18.078 --> 00:00:19.941
Notre travail a été initialement conçu

00:00:19.941 --> 00:00:22.902
pour s'attaquer au problème
de la résistance aux antibiotiques.

00:00:22.902 --> 00:00:27.021
Notre projet vise à exploiter le pouvoir
de l'apprentissage automatique

00:00:27.021 --> 00:00:29.401
pour réapprovisionner
notre arsenal d'antibiotiques

00:00:29.425 --> 00:00:33.263
et éviter la catastrophe planétaire
d'une ère post-antibiotique.

00:00:33.415 --> 00:00:36.529
Ce qui est intéressant est
qu'on peut utiliser la même technologie

00:00:36.529 --> 00:00:38.601
pour rechercher des composés antiviraux

00:00:38.625 --> 00:00:41.403
qui pourraient nous aider
à combattre la pandémie actuelle.

NOTE Paragraph

00:00:42.080 --> 00:00:45.432
L'apprentissage automatique
va révolutionner le modèle traditionnel

00:00:45.432 --> 00:00:47.410
de découverte de médicaments.

00:00:47.434 --> 00:00:48.659
Avec cette approche,

00:00:48.683 --> 00:00:52.761
au lieu de tester péniblement
des milliers de molécules existantes,

00:00:52.785 --> 00:00:54.221
une par une en laboratoire,

00:00:54.245 --> 00:00:55.832
pour vérifier leur efficacité,

00:00:55.856 --> 00:01:00.513
on peut entraîner un ordinateur à explorer
l'espace exponentiellement plus large

00:01:00.537 --> 00:01:04.121
de presque toutes les molécules possibles
qui pourraient être synthétisées,

00:01:04.145 --> 00:01:09.759
et donc, au lieu de chercher une
aiguille dans une botte de foin,

00:01:09.783 --> 00:01:13.543
nous pouvons utiliser l'aimant géant
de la puissance de calcul

00:01:13.567 --> 00:01:17.672
pour trouver beaucoup d'aiguilles dans une
multitude de bottes de foin simultanément.

NOTE Paragraph

00:01:18.423 --> 00:01:20.575
Nous avons déjà eu
quelques premiers succès.

00:01:21.010 --> 00:01:26.055
On a utilisé l'apprentissage automatique
pour découvrir de nouveaux antibiotiques

00:01:26.055 --> 00:01:29.059
pour nous aider à combattre
les infections bactériennes

00:01:29.083 --> 00:01:32.694
qui peuvent surgir suite
aux infections du SARS-CoV-2.

00:01:33.181 --> 00:01:37.350
Il y a deux mois, l'Audacious Projet
de TED nous a octroyé un financement

00:01:37.374 --> 00:01:39.562
pour intensifier massivement notre travail

00:01:39.586 --> 00:01:44.214
afin de découvrir
sept nouvelles classes d'antibiotiques

00:01:44.238 --> 00:01:47.721
contre sept des bactéries
les plus mortelles au monde

00:01:47.745 --> 00:01:49.800
au cours des sept prochaines années.

00:01:50.206 --> 00:01:51.839
Pour vous donner une idée :

00:01:51.839 --> 00:01:54.035
le nombre de nouvelles 
classes d'antibiotiques

00:01:54.035 --> 00:01:57.150
découvertes au cours
des 30 dernières années est zéro.

NOTE Paragraph

00:01:58.030 --> 00:02:01.601
La rechercher de nouveaux antibiotiques
est notre objectif à moyen terme,

00:02:01.625 --> 00:02:06.277
mais le nouveau coronavirus pose
une menace mortelle immédiate.

00:02:06.301 --> 00:02:10.094
Je suis fier d'annoncer que nous pensons 
pouvoir utiliser la même technologie

00:02:10.118 --> 00:02:12.927
pour rechercher des thérapies
pour combattre ce virus.

00:02:13.446 --> 00:02:15.109
Comment allons-nous faire ?

00:02:15.109 --> 00:02:18.391
On est en train de créer une librairie
d'entrainement sur les composés

00:02:18.391 --> 00:02:21.557
et, avec des collaborateurs
qui appliquent ces molécules

00:02:21.557 --> 00:02:23.767
aux cellules infectées par le SARS-CoV-2,

00:02:23.767 --> 00:02:27.661
nous allons voir lesquelles d'entre elles
présentent une activité efficace.

00:02:28.065 --> 00:02:31.561
Ces données serviront pour entraîner
un modèle d'apprentissage automatique

00:02:31.561 --> 00:02:35.845
à appliquer à une bibliothèque in silico
de plus d'un milliard de molécules

00:02:35.845 --> 00:02:39.689
pour rechercher de potentiels
nouveaux composés antiviraux.

00:02:39.964 --> 00:02:43.206
Nous synthétiserons et testerons
ceux avec les meilleures prédictions

00:02:43.206 --> 00:02:46.446
pour passer aux études cliniques
avec les plus prometteurs.

NOTE Paragraph

00:02:46.446 --> 00:02:48.134
Trop beau pour être vrai ?

00:02:48.158 --> 00:02:49.590
Eh bien, ça ne devrait pas.

00:02:49.614 --> 00:02:53.153
Le projet Antibiotics AI est basé
sur notre recherche « preuve de concept »

00:02:53.153 --> 00:02:56.513
qui a conduit à la découverte d'un nouvel
antibiotique à large spectre,

00:02:56.513 --> 00:02:58.443
appelé halicine.

00:02:58.443 --> 00:03:01.256
L'halicine exerce
une puissante activité antibactérienne

00:03:01.280 --> 00:03:05.382
contre presque tous les pathogènes
bactériens résistant aux antibiotiques,

00:03:05.406 --> 00:03:09.047
y compris les infections pan-résistantes
non traitables.

00:03:09.722 --> 00:03:12.156
Et surtout, contrairement
aux antibiotiques actuels,

00:03:12.156 --> 00:03:15.850
la fréquence à laquelle les bactéries 
développent une résistance à l'halicine

00:03:15.874 --> 00:03:17.358
est particulièrement réduite.

00:03:18.303 --> 00:03:23.013
Nous avons testé la capacité des bactéries
à développer une résistance à l'halicine

00:03:23.037 --> 00:03:25.045
aussi bien qu'à la cipro en laboratoire.

00:03:25.299 --> 00:03:26.841
Dans le cas de la cipro,

00:03:26.865 --> 00:03:29.690
après juste un jour, nous avons
remarqué une résistance.

00:03:30.213 --> 00:03:31.691
Dans le cas de l'halicine,

00:03:31.715 --> 00:03:34.040
après un jour, nous n'avons vu
aucune résistance.

00:03:34.479 --> 00:03:37.781
Mais ce qui est étonnant,
c'est que même après 30 jours,

00:03:37.805 --> 00:03:40.406
nous n'avons vu aucune résistance
à l'halicine.

NOTE Paragraph

00:03:41.098 --> 00:03:43.809
Pour ce projet pilote,
nous avons d'abord testé

00:03:43.809 --> 00:03:47.259
environ 2 500 composés contre l'E. coli.

00:03:47.259 --> 00:03:50.039
Ce lot d'apprentissage incluait
les antibiotiques connus,

00:03:50.063 --> 00:03:51.809
comme la cipro et la pénicilline,

00:03:51.833 --> 00:03:54.315
ainsi que de nombreux médicaments
non antibiotiques.

00:03:54.984 --> 00:03:57.571
Nous avons utilisé ces données
pour entraîner un modèle

00:03:57.571 --> 00:04:01.269
sur les caractéristiques moléculaires
liées à l'activité antibactérienne.

00:04:01.999 --> 00:04:03.384
Nous l'avons ensuite appliqué

00:04:03.384 --> 00:04:05.704
à une bibliothèque
de réemploi des médicaments

00:04:05.704 --> 00:04:07.472
comprenant des milliers de molécules

00:04:07.496 --> 00:04:10.114
et demandé au modèle d'identifier celles

00:04:10.138 --> 00:04:12.922
qui étaient présumées avoir
des propriétés antibactériennes

00:04:12.946 --> 00:04:15.769
mais qui ne ressemblaient pas
aux antibiotiques existants.

00:04:16.427 --> 00:04:21.224
Or, une seule molécule de cette 
librairie respectait ces critères,

00:04:21.248 --> 00:04:23.584
et cette molécule était l'halicine.

00:04:24.444 --> 00:04:27.866
Étant donné que l'halicine ne ressemblait
à aucun antibiotique existant,

00:04:27.866 --> 00:04:31.710
il aurait été impossible pour un humain, 
même un expert en antibiotiques,

00:04:31.734 --> 00:04:33.918
d'identifier l'halicine de cette manière.

00:04:34.534 --> 00:04:37.318
Imaginez donc ce qu'on peut réaliser
avec cette technologie

00:04:37.318 --> 00:04:38.969
contre le SARS-CoV-2.

NOTE Paragraph

00:04:39.783 --> 00:04:41.148
Et ce n'est pas tout.

00:04:41.172 --> 00:04:43.992
Nous utilisons aussi les outils
de la biologie synthétique,

00:04:44.016 --> 00:04:46.627
bricolant l'ADN et d'autres
mécanismes cellulaires,

00:04:46.651 --> 00:04:50.561
pour poursuivre nos objectifs humains,
comme la lutte contre le COVID-19.

00:04:50.585 --> 00:04:54.232
Par exemple, nous travaillons pour
développer un masque de protection

00:04:54.256 --> 00:04:57.688
qui puisse aussi servir
d'outil de diagnostic rapide.

00:04:58.192 --> 00:04:59.614
Comment ça marche ?

00:04:59.614 --> 00:05:00.917
Nous avons récemment montré

00:05:00.917 --> 00:05:03.924
qu'on peut prendre le mécanisme
cellulaire d'une cellule vivante

00:05:03.924 --> 00:05:07.976
et le lyophiliser avec des
capteurs d'ARN sur du papier

00:05:08.000 --> 00:05:12.916
afin de créer des outils de diagnostic
à faible coût pour l'Ebola et le Zika.

00:05:13.503 --> 00:05:18.730
Les capteurs sont activés quand ils sont
réhydratés par un échantillon du patient

00:05:18.754 --> 00:05:21.576
comme par exemple du sang ou de la salive.

00:05:21.600 --> 00:05:24.861
Il s'avère que cette technologie
n'est pas limitée au papier

00:05:24.885 --> 00:05:27.881
et peut être appliquée à d'autres
matériaux, y compris le tissu.

00:05:28.671 --> 00:05:30.613
Pour la pandémie de COVID-19,

00:05:30.637 --> 00:05:34.983
nous travaillons pour réaliser
de capteurs ARN pour détecter le virus

00:05:35.007 --> 00:05:38.217
et les lyophiliser avec
le mécanisme cellulaire nécessaire

00:05:38.241 --> 00:05:40.948
dans le tissu d'un masque,

00:05:40.972 --> 00:05:43.201
où le simple fait de respirer,

00:05:43.225 --> 00:05:45.502
grâce à la vapeur d'eau,

00:05:45.526 --> 00:05:47.286
peut activer le test.

00:05:47.804 --> 00:05:52.064
Ainsi, si un patient est infecté
par le SARS-CoV-2,

00:05:52.088 --> 00:05:54.161
le masque produira un signal fluorescent

00:05:54.185 --> 00:05:58.015
qui pourrait être détecté par un simple
appareil portable et pas cher.

00:05:58.534 --> 00:06:03.018
En une ou deux heures, on pourrait
ainsi diagnostiquer un patient,

00:06:03.042 --> 00:06:06.014
sûrement, à distance et avec précision.

NOTE Paragraph

00:06:06.735 --> 00:06:09.155
Nous utilisons aussi
la biologique synthétique

00:06:09.155 --> 00:06:11.999
pour développer un possible vaccin
contre le COVID-19.

00:06:13.014 --> 00:06:15.587
Nous retravaillons le vaccin BCG,

00:06:15.587 --> 00:06:18.585
qui a été utilisé pendant presque 100 ans
contre la tuberculose.

00:06:18.585 --> 00:06:20.126
C'est un vaccin vivant atténué,

00:06:20.150 --> 00:06:24.727
et nous le retravaillons pour lui faire
exprimer les antigènes du SARS-CoV-2,

00:06:24.727 --> 00:06:27.739
ce qui devrait déclencher la production
d'anticorps protecteurs

00:06:27.739 --> 00:06:29.304
par le système immunitaire.

NOTE Paragraph

00:06:29.304 --> 00:06:32.146
En plus, le BCG peut être produit
en énormes quantités

00:06:32.146 --> 00:06:36.659
et son profil de sécurité est l'un
des meilleurs de tous les vaccins connus.

NOTE Paragraph

00:06:37.881 --> 00:06:42.986
Avec les outils de la biologie synthétique
et de l'intelligence artificielle,

00:06:43.010 --> 00:06:46.358
nous pouvons gagner la lutte
contre le nouveau coronavirus.

00:06:46.844 --> 00:06:50.163
Ce travail en est à ses débuts, 
mais la promesse est réelle.

00:06:50.798 --> 00:06:54.243
Science et technologie peuvent nous donner
un important avantage

00:06:54.267 --> 00:06:57.802
dans la bataille des cerveaux humains
contre les gènes des super-bactéries,

00:06:57.802 --> 00:06:59.703
une bataille que nous pouvons remporter.

NOTE Paragraph

00:06:59.990 --> 00:07:01.223
Merci.