Des chercheurs de l’universite de Goteborg (Suede) ont mis au point un modele d’intelligence artificielle (IA) permettant d’ameliorer le diagnostic de potentiel cancer via l’analyse de molecules de sucre, les glycanes.
L’analyse des glycanes, potentiel revelateur de cancer
Les glycanes sont des structures de molecules de sucre dans nos cellules. Ces molecules peuvent constituer des biomarqueurs de cancer, si l’analyse par spectrometrie de masse (lire ci-dessous) revele que leur structure a change.
La spectrometrie de masse est une methode d’analyse qui a pour but d’identifier les differentes molecules et leur quantite presente dans les echantillons etudies. Cette analyse se produit en transformant les molecules en ions charges, puis en les triant et les detectant en fonction de leur masse et de leur charge.
A l’heure actuelle, les donnees mesurees par la spectrometrie doivent etre soigneusement analysees par des humains pour voir s’il y a apparition de formes de cancer ou non. Ce travail de fourmi requiert des heures, voire des jours, et l’expertise de quelques specialistes qui ont ete formes pendant des annees, d’ou l’utilite d’une intelligence artificielle qui permettrait d’accelerer l’analyse.
C’est pourquoi une equipe de chercheurs menee par Dr Daniel Bojar, maitre de conferences associe en bio-informatique a l’Universite de Goteborg (Suede), a mis au point un modele d’IA permettant de faciliter la detection de cancer. « En principe, la methode peut s’appliquer a n’importe quels types de cancer puisque toutes les formes de cancer que nous connaissons possedent des glycanes modifies de maniere caracteristique qui peuvent etre mesures par spectrometrie de masse, nous explique Danier Bojar, principal auteur de ces travaux publies le 1Er juillet 2024 dans la revue Nature Methods.
Lire aussiCancer : comment le sucre facilite la croissance des tumeurs
CandyCrunch, un modele d’IA qui detecte en quelques secondes des indications de cancer
Ce nouveau modele d’IA nomme « CandyCrunch », en reference au celebre jeu video « Candy Crush Saga » a besoin de quelques secondes seulement pour detecter d’eventuelles indications de cancer via l’identification de molecules de sucre ou glycanes dans les echantillons observes.
CandyCrunch a pour cela ete entraine grace a une base de donnees de plus de 500.000 exemples de differentes fragmentations et structures de glycanes. Les chercheurs ont utilise ces donnees pour entrainer un modele d’intelligence artificielle de type « deep learning » (capable d’apprendre par elle-meme) a reconnaitre d’autres glycanes a l’avenir.
« Pendant l’entrainement, nous montrons au modele de nombreux spectres de ce type, dans lesquels le modele peut voir les morceaux de glycanes, et nous demandons ensuite au modele de predire quel glycane appartient a ce spectre, detaille Daniel Bojar. Ensuite, le modele nous donne un glycane sous forme de texte et nous « recompensons » ou non le modele en fonction d’a quel point le glycane predit est proche de la veritable reponse, jusqu’a ce que le modele ait appris a associer correctement les glycanes a la facon dont ils se decomposent dans le spectrometre de masse.«
Lire aussiE407a, E407, E471 : des additifs alimentaires pointes du doigt par une etude epidemiologique
Selon Daniel Bojar, « l’entrainement a permis a CandyCrunch de calculer la structure de sucre exacte contenue dans un echantillon dans 90% des cas ».
Le modele CandyCrunch s’est avere plus efficace que la methode Glycoforest (lire l’encadre ci-dessous) et represente une avancee considerable puisqu’il est capable de fournir des resultats corrects dans un temps imparti record.
La methode Glycoforest utilise la spectrometrie de masse a haute resolution pour identifier et annoter les structures de glycanes a partir de spectres de fragmentation.
« Bien sur, la difference de temps exact varie beaucoup en fonction de l’echantillon, precise Daniel Bojar, mais nous obtenons regulierement une analyse 10 fois plus rapide des donnees de glycanes via CandyCrunch, bien qu’il soit important que cela comprenne la quantification pour CandyCrunch mais pas pour Glycoforest.«
Le chercheur principal de cette etude note egalement une meilleure performance de CandyCrunch que de Glycoforest. « Comme nous nous entrainons sur un ensemble de donnees beaucoup plus important, notre modele peut egalement identifier une gamme de glycanes beaucoup plus large que Glycoforest », conclut-il.
French 
English