Créer des systèmes moléculaires capables d’apprentissage
Chaque odeur que nous identifions, chaque visage que nous reconnaissons, ces actions reposent sur un mécanisme étonnamment simple, qui se produit à l’échelle d’une seule cellule : le neurone. Chacun reçoit des informations, les analyse et décide d’envoyer ou non un signal à d’autres neurones. Inspirées du fonctionnement du cerveau, les IA reposent sur une formalisation mathématique de réseaux de neurones artificiels où chaque neurone y joue un rôle simple : recevoir des signaux (par exemple, l’intensité des pixels d’une image), les combiner en fonction de leur importance (« leur poids ») et décider d’activer ou non une réponse. Notre objectif est de recréer cette logique en assemblant des réseaux de réactions chimiques faits à partir d’ADN synthétique. Ainsi, des signaux moléculaires (p.ex., des marqueurs de maladies) injectés dans un tube à essai peuvent être interprétés par le réseau et déclencher une cascade de réactions qui, in fine, produira un signal de fluorescence si l’ensemble des signaux correspond à la signature moléculaire recherchée. Une question centrale demeure, que ce projet de thèse propose d’adresser : comment peut-on concevoir des réseaux capables d’apprendre par eux-mêmes à reconnaître une signature en particulier ? Ce travail pourrait ainsi ouvrir la voie à de nouveaux outils de diagnostic capables de reconnaître des signatures moléculaires de certaines pathologies comme les maladies neurodégénératives.
