Publié le 13 décembre 2025 à 06h55. Un nouveau chatbot basé sur l’intelligence artificielle, baptisé CellWhisperer, permet aux biologistes de poser des questions complexes sur les cellules en langage naturel, ouvrant ainsi de nouvelles perspectives dans la recherche médicale et la compréhension des maladies.
- CellWhisperer, développé par le centre de recherche CeMM à Vienne, traduit les données complexes de l’expression génique en informations compréhensibles pour les biologistes.
- L’outil a été entraîné sur un vaste ensemble de données publiques et est capable d’analyser des profils cellulaires pour identifier des signatures génétiques spécifiques et répondre à des questions sur le développement des maladies.
- Bien que prometteur, CellWhisperer, comme toute IA, peut produire des « hallucinations » et doit être utilisé comme un outil de génération d’hypothèses, nécessitant une validation statistique rigoureuse.
La biologie moléculaire génère une quantité massive de données, un véritable « trésor » selon Christoph Bock, bioinformaticien au centre CeMM pour la médecine moléculaire à Vienne. Grâce au séquençage unicellulaire, les chercheurs peuvent désormais isoler et analyser l’activité des gènes de cellules individuelles avec une précision sans précédent. Cette activité, ou expression des gènes, révèle des informations cruciales sur la fonction biologique d’une cellule, son stade de développement et son état de santé. Ces profils cellulaires sont essentiels pour comprendre la structure des tissus et des organes, ainsi que les mécanismes à l’œuvre dans les maladies.
Cependant, l’exploitation de ces données requiert des compétences pointues en programmation, un obstacle pour de nombreux biologistes. Christoph Bock a donc instauré un cours intensif de deux semaines sur le langage R pour tous les nouveaux doctorants, afin de leur permettre de « parler à l’ordinateur ». Il reconnaît toutefois l’ironie de la situation :
« Nous leur apprenons à parler à l’ordinateur dans un langage de programmation des années 1980 afin que l’ordinateur comprenne les utilisateurs. C’est un peu anachronique. »
Christoph Bock, bioinformaticien au CeMM
Face à ce défi, Bock a décidé d’inverser la logique et de développer une intelligence artificielle capable de « apprendre à l’ordinateur à s’adapter et à parler aux biologistes dans un anglais normal ». Le résultat est CellWhisperer, présenté dans la revue Nature Biotechnology.
Pour entraîner CellWhisperer, l’équipe de recherche a constitué un vaste ensemble de données à partir de bases de données publiques telles que Gene Expression Omnibus (GEO) et ArrayExpress, qui regroupent les données d’expression génique partagées par des chercheurs du monde entier. Cet ensemble comprenait environ un million d’échantillons, allant de tissus tumoraux à des organes enflammés. Ces données, souvent incohérentes et incomplètes, ont été annotées à l’aide d’un Large Language Model (LLM) afin de fournir une description précise de chaque profil d’expression génique, par exemple : « Il s’agit d’un cancer de la vessie du deuxième degré provenant d’un patient présentant les caractéristiques suivantes : […] ». Ces données structurées ont ensuite servi à former un modèle de langage multimodal capable de traiter à la fois les données biologiques et le texte.
Le fonctionnement de CellWhisperer est comparable à celui de ChatGPT, mais avec une spécialisation dans le domaine biologique. Comme ChatGPT a été entraîné avec des images et leurs descriptions, CellWhisperer est capable d’interpréter les données d’expression génique et de répondre à des questions complexes en langage naturel. Bock explique :
« Je veux vraiment parler au système et demander, par exemple : de quelles cellules s’agit-il ? Quels gènes sont actifs dans cette cellule hépatique ? »
Christoph Bock, bioinformaticien au CeMM
Pour affiner ses capacités, l’équipe a utilisé un LLM de l’entreprise française Mistral et a généré 100 000 dialogues typiques entre un bioinformaticien et un système d’IA, afin que CellWhisperer puisse « parler comme un bioinformaticien » tout en comprenant réellement les données d’expression des gènes. L’outil est accessible gratuitement en ligne.
Discutez sur des cellules individuelles : voici à quoi ressemble une conversation avec CellWhisperer. (Capture d’écran : © Moritz Schäfer)
Les applications potentielles de CellWhisperer sont vastes. Dans une étude de cas, les chercheurs ont demandé au chatbot : « Où commence le développement du cœur ? ». Le système a analysé les données d’embryons humains et a identifié le moment précis où une signature génétique cardiaque caractéristique apparaît, une analyse qui aurait pris plusieurs semaines à un étudiant en master ou en doctorat. Une autre question posée concernait l’impact d’une maladie inflammatoire de l’intestin, comme le syndrome du côlon irritable, sur la capacité de régénération des tissus. Les résultats ont révélé que l’inflammation chronique soumet les tissus à un stress tel qu’ils perdent la signature de leurs cellules souches, compromettant ainsi leur capacité de régénération. Ces découvertes pourraient avoir des implications thérapeutiques importantes, notamment en permettant de soutenir la capacité de régénération des tissus sans augmenter le risque de cancer.
Bock souligne que le développement de CellWhisperer s’inscrit dans la lignée des progrès de la traduction automatique. Pendant des décennies, les chercheurs ont tenté d’enseigner aux ordinateurs les règles de grammaire et de vocabulaire, avec un succès limité. La percée est venue lorsque les ordinateurs ont été exposés à des millions d’exemples de textes et ont été capables d’apprendre les modèles linguistiques par eux-mêmes. L’Union européenne a joué un rôle crucial dans ce processus en mettant à disposition de vastes corpus de traductions de haute qualité dans plus de 20 langues.
Comme toute IA, CellWhisperer peut parfois produire des « hallucinations », c’est-à-dire des réponses incorrectes ou non fondées. Bock précise que ces hallucinations surviennent principalement dans deux situations : lorsque le chatbot est interrogé sur des sujets en dehors de son domaine d’expertise, ou lorsque les données d’entraînement contiennent des informations ambiguës ou incomplètes. Par exemple, le système peut parfois attribuer un âge précis à un profil d’expression génétique, même si cette information n’est pas disponible. L’équipe de recherche envisage de filtrer davantage les données d’entraînement pour réduire ces erreurs.
Malgré ces limitations, Bock reste optimiste :
« Oui, les modèles hallucinent un peu, mais un bioinformaticien humain finit par halluciner aussi. »
Christoph Bock, bioinformaticien au CeMM
Il souligne que CellWhisperer doit être considéré comme un outil de génération d’hypothèses, et non comme un substitut à la validation statistique rigoureuse. Les prochaines étapes de la recherche porteront sur le développement de modèles prédictifs capables de simuler l’impact de différents traitements sur les cellules.
Sur le même sujet
