🤖 machine learning

ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening

ScreenShot est un modèle de fondation transformer hiérarchique qui exploite l'apprentissage en contexte sur 40 ensembles de données de criblage de médicaments pour prédire avec précision les réponses des patients aux thérapies combinées en utilisant uniquement un contexte fonctionnel à quelques exemples, éliminant ainsi le besoin de profilage moléculaire ou d'ajustement fin tout en permettant une conception expérimentale rentable grâce à l'apprentissage actif.

Auteurs originaux : Antoine de Mathelin, Christopher Tosh, Wesley Tansey

Publié 2026-08-13

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Antoine de Mathelin, Christopher Tosh, Wesley Tansey

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous soyez un détective tentant de résoudre un mystère, mais qu'au lieu d'empreintes digitales ou d'ADN, vos indices soient de minuscules gouttes de liquide et que vos suspects soient des milliers de médicaments différents. Dans le monde du traitement du cancer, les médecins utilisent souvent un « cocktail » de médicaments plutôt qu'un seul, car les cellules cancéreuses sont rusées et peuvent apprendre à résister à un attaquant unique. Pour trouver le cocktail parfait, les scientifiques doivent généralement tester chaque mélange possible de médicaments sur les cellules d'un patient en laboratoire. C'est comme essayer de trouver une aiguille dans une botte de foin en retirant un par un chaque brin de paille. Cela prend un temps infini, coûte une fortune et, souvent, il n'y a pas assez de foin (ou de cellules de patients) pour tout le monde.

C'est ici qu'intervient l'idée de « prédire l'avenir ». Les scientifiques construisent des modèles informatiques pour deviner quels mélanges de médicaments fonctionneront sans avoir à tous les tester. Mais la plupart de ces modèles sont comme des étudiants qui ne réussissent un examen que s'ils ont mémorisé le manuel spécifique de ce cours. Ils ont besoin d'une quantité massive de données biologiques détaillées (comme le code génétique d'un patient) pour faire une supposition. Si ces données sont manquantes ou désordonnées — ce qui arrive souvent avec les vrais patients — ces modèles s'embrouillent. La grande question est : pouvons-nous construire une IA super intelligente qui apprenne de toutes les expériences médicamenteuses jamais réalisées, afin qu'elle puisse regarder seulement quelques indices provenant d'un seul patient et deviner instantanément le meilleur traitement, sans avoir besoin de données biologiques supplémentaires ?

Entrez en scène ScreenShot, un nouvel outil d'IA développé par des chercheurs du Memorial Sloan Kettering Cancer Center, qui tente de répondre « oui » à cette question. Ne voyez pas ScreenShot comme un étudiant qui a mémorisé un manuel, mais comme un chef cuisinier expert qui a goûté des millions de plats différents. Au lieu d'avoir besoin de connaître la liste exacte des ingrédients (le code génétique) d'un nouveau plat pour deviner son goût, ScreenShot regarde les quelques bouchées que vous avez déjà prises et dit : « Ah, d'après la façon dont cela a goûté avec du sel et du poivre, je parie que cela se marierait très bien avec de l'ail et du thym. »

Les chercheurs ont construit cette IA sur une « fondation » massive de données, l'entraînant sur environ 30 millions de mesures provenant de 40 jeux de données de criblage de médicaments différents. Cet entraînement comprenait environ 3 700 médicaments différents testés sur 6 000 échantillons biologiques (comme des cellules cancéreuses cultivées en laboratoire ou de minuscules « mini-organes » provenant de patients). L'IA a appris les schémas d'interaction des médicaments avec les cellules simplement en observant les résultats : quel médicament, à quelle dose, faisait vivre ou mourir les cellules.

Voici le tour de magie : ScreenShot utilise une technique appelée apprentissage en contexte (in-context learning). Imaginez que vous montriez à l'IA quelques résultats de tests provenant d'un nouveau patient (disons, 50 ou 100 expériences). L'IA n'a pas besoin d'être réentraînée ou « ajustée » (fine-tuned) pour ce patient spécifique. Au lieu de cela, elle utilise instantanément ces quelques exemples comme une fenêtre de contexte pour prédire les résultats des milliers de combinaisons de médicaments qu'elle n'a pas encore vus. Elle le fait directement sur les résultats fonctionnels (la cellule a-t-elle survécu ?) sans avoir besoin de profilage génétique.

L'article conclut que ScreenShot est incroyablement performant. Testé sur quatre nouveaux jeux de données inédits, il a surpassé toutes les méthodes précédentes, tant en précision qu'en capacité à trouver les « hits » — les combinaisons de médicaments qui tuent réellement les cellules cancéreuses tout en épargnant les cellules saines. En fait, sur certains tests, il était 5 à 50 fois plus rapide que les autres méthodes.

Mais les chercheurs ne se sont pas arrêtés à la simple prédiction ; ils ont aussi appris à ScreenShot à être un expérimentateur intelligent. Ils ont créé une stratégie appelée apprentissage actif (active learning). Au lieu de tester les médicaments de manière aléatoire, ScreenShot utilise ses propres prédictions pour décider quelles expériences mener ensuite. C'est comme un détective qui, après avoir interrogé quelques suspects, décide de se concentrer sur les coupables les plus probables plutôt que d'interroger tout le monde en ville. L'article montre qu'en utilisant cette stratégie intelligente, ScreenShot peut trouver le même nombre de médicaments efficaces qu'une recherche aléatoire, mais qu'il n'a besoin de réaliser qu'un tiers des expériences. Cela signifie économiser énormément de temps, d'argent et de précieuses cellules de patients.

L'une des choses les plus impressionnantes concernant ScreenShot est qu'il fonctionne même lorsqu'un médicament est nouveau ou inconnu du système. Si un médicament ne figurait pas dans ses données d'entraînement, ScreenShot utilise un jeton spécial « inconnu » pour deviner son comportement à partir des quelques indices fournis par le patient actuel, plutôt que d'échouer complètement.

En résumé, l'article suggère que ScreenShot est un nouvel outil puissant capable de rendre le criblage de médicaments beaucoup plus efficace. Il suggère que nous pouvons passer de méthodes coûteuses, lentes et gourmandes en données vers un système qui apprend du passé pour guider le futur, aidant potentiellement les médecins à trouver le bon cocktail de médicaments pour un patient beaucoup plus rapidement. Bien que les résultats soient solides dans ces simulations informatiques et ces tests sur données exclues, l'article présente cela comme une étape significative dans le laboratoire, ouvrant la voie à des expériences plus efficaces dans le monde réel.

Résumé Technique : ScreenShot

Problématique

L'identification de thérapies combinées médicamenteuses efficaces est cruciale pour réduire la résistance, mais elle est entravée par l'espace de recherche prohibitif des combinaisons potentielles. Les criblages combinatoires traditionnels sont souvent techniquement irréalisables, chronophages et coûteux, particulièrement dans les contextes cliniques où les échantillons dérivés de patients produisent un nombre limité de cellules. Les modèles prédictifs existants tentent de combler cette lacune, mais reposent généralement sur le profilage génomique ou transcriptomique (données omiques) et nécessitent un ajustement fin (fine-tuning) par cohorte ou par patient. Ces exigences limitent l'applicabilité lorsque les tissus sont rares, que le profilage moléculaire est indisponible ou incohérent. De plus, de nombreuses méthodes existantes ne parviennent pas à modéliser les relations dose-réponse continues pour les combinaisons ou reposent sur des mécanismes d'attention plats qui croissent de manière quadratique avec la taille du contexte, ce qui les rend inefficaces pour les scénarios de type "few-shot".

Méthodologie

Architecture de ScreenShot

ScreenShot est un modèle de fondation (foundation model) basé sur un transformeur hiérarchique, conçu pour la prédiction "few-shot" dans les criblages de combinaisons de médicaments. Il opère directement sur les mesures fonctionnelles (identité du médicament, dose et viabilité) sans nécessiter de profilage moléculaire ou d'ajustement fin sur de nouveaux échantillons. L'architecture reflète la structure imbriquée des données de criblage à travers trois niveaux :

Niveau 1 : Encodeur de Combinaison de Médicaments (DCE) : Encode les paires médicament-dose individuelles. Les identités des médicaments sont mappées vers des plongements (embeddings) appris basés sur le comportement fonctionnel à travers divers échantillons plutôt que sur la structure chimique. Les doses sont encodées via des caractéristiques de Fourier apprises. Un encodeur transformeur traite la séquence de médicaments au sein d'une combinaison en utilisant l'auto-attention pour capturer les effets d'interaction, les agrégeant en un seul plongement de combinaison.
Niveau 2 : Encodeur de Réponse (RE) : Effectue une attention croisée (cross-attention) entre une requête (condition médicament-dose non testée) et le contexte "few-shot" (tuples médicament-dose-viabilité observés). Les observations du contexte sont augmentées de leur viabilité mesurée. Ce niveau permet à la requête de récupérer des preuves à partir des courbes dose-réponse de perturbations similaires observées dans le contexte.
Niveau 3 : Encodeur d'Échantillon (SE) : Agrège les informations à travers toutes les perturbations observées pour un échantillon spécifique en utilisant l'auto-attention. Cela propage les preuves à travers les différentes combinaisons de médicaments (par exemple, en utilisant les schémas de réponse d'un médicament pour informer les prédictions de médicaments apparentés). Une tête linéaire suivie d'une fonction sigmoïde produit l'estimation finale de la viabilité.

Cette conception hiérarchique réduit la complexité computationnelle de $O(n^2)$ (attention plate) à $O(n + p^2)$ , où $n$ est le nombre d'observations et $p$ le nombre de perturbations uniques, améliorant ainsi considérablement l'efficacité.

Pré-entraînement et Apprentissage en Contexte (In-Context Learning)

ScreenShot est pré-entraîné sur un atlas pan-cancer comprenant 40 jeux de données de criblage de médicaments (environ 30 millions de mesures de viabilité, 3 700 médicaments, 6 000 échantillons). L'objectif d'entraînement suit un paradigme d'apprentissage en contexte :

Entrée : Un ensemble de contexte $D_s$ (tuples médicament-dose-viabilité étiquetés) et un ensemble de requêtes $Q_s$ .
Tâche : Prédire la viabilité pour les requêtes dans $Q_s$ conditionnée par $D_s$ .
Optimisation : Le modèle minimise l'erreur absolue moyenne (MAE) sur l'ensemble de requêtes.
Mécanisme : Lors de l'inférence, le modèle généralise à de nouveaux échantillons non vus entièrement grâce à son mécanisme d'attention pré-entraîné. Il se conditionne sur le contexte "few-shot" fourni via l'attention croisée, éliminant ainsi le besoin de mises à jour de gradient ou d'ajustement fin.

Stratégie d'Apprentissage Actif

Pour répondre au goulot d'étranglement consistant à décider quelles expériences mener, les auteurs proposent un pipeline d'apprentissage actif à plusieurs tours :

Démarrage à froid (Cold-Start) : Un lot initial est sélectionné à l'aide du clustering $k$ -medoids sur les plongements médicament-dose du Niveau 1 pour assurer la couverture de l'espace de traitement avant toute observation de viabilité.
Tours Adaptatifs : Les lots suivants sont sélectionnés en utilisant l'amorçage (seeding) pondéré $k$ -means++ sur les plongements conditionnés par le contexte du Niveau 3. Les candidats sont pondérés par leur viabilité différentielle prédite ( $\Delta_t = \hat{y}_{target} - \hat{y}_{control}$ ). Cela priorise les "hits" probables (traitements sélectivement efficaces) tout en maintenant la diversité de la sélection.

Contributions Clés

Modèle de Fondation pour la Réponse Médicamenteuse Fonctionnelle : ScreenShot est le premier modèle de fondation pour le criblage de médicaments qui opère purement sur des mesures médicament-dose-viabilité, ne nécessitant aucune caractéristique omique ni ajustement fin par patient. Il supporte la monothérapie et des tailles de combinaisons arbitraires.
Conception Expérimentale Basée sur les Plongements : Les auteurs introduisent une politique de criblage pratique qui exploite les plongements pré-entraînés de ScreenShot pour la sélection de démarrage à froid et les plongements conditionnés par le contexte pour l'apprentissage actif, équilibrant explicitement le compromis entre tester des traitements prometteurs et couvrir l'espace de conception.
Architecture Hiérarchique Efficace : Le modèle utilise un mécanisme d'attention hiérarchique qui s'aligne sur la structure compositionnelle des données, offrant des avantages computationnels significatifs par rapport aux bases de référence d'attention plate tout en capturant des représentations multi-granularités.

Résultats Expérimentaux

Le modèle a été évalué sur quatre jeux de données non vus : PDO-Breast (monothérapie ex vivo), BATCHIE, NCI-ALMANAC et GDSC-SQ (criblages de combinaisons).

Précision de Prédiction : ScreenShot a atteint des corrélations de Pearson de pointe (state-of-the-art) sur tous les jeux de données et budgets (10 à 300 observations few-shot), surpassant les bases de référence incluant XGBoost, TabPFN et les MLP ajustés.
Détection de Hits : En termes d'identification de traitements sélectivement efficaces (Top-10% de hits dans les Top-20% de prédictions), ScreenShot a systématiquement surpassé toutes les bases de référence. Par exemple, sur le jeu de données BATCHIE avec 100 shots, ScreenShot a atteint un rappel de hits de 72,6 % contre 63,9 % pour la méthode suivante de meilleur niveau.
Efficacité de l'Apprentissage Actif : La stratégie de sélection adaptative proposée a considérablement amélioré la détection de hits par rapport à une sélection aléatoire ou uniquement de démarrage à froid. Sur BATCHIE, la stratégie adaptative a atteint le même rappel de hits qu'une sélection aléatoire avec un budget de 300 en utilisant seulement un tiers du budget.
Vitesse : ScreenShot est 5 à 50 fois plus rapide que les bases de référence (par exemple, 8 à 68 secondes par expérience contre plusieurs minutes pour les MLP) car il ne nécessite qu'une seule passe directe (forward pass) sans ajustement fin.

Signification et Revendications

L'article affirme que ScreenShot répond aux limitations critiques des méthodes actuelles de criblage de médicaments en supprimant la dépendance au profilage moléculaire et à l'entraînement par échantillon, permettant ainsi l'application à des échantillons dérivés de patients où ces données sont rares ou indisponibles. En exploitant l'apprentissage en contexte, le modèle amortit efficacement l'étape d'adaptation, lui permettant de se généraliser immédiatement à de nouveaux patients.

Les auteurs soulignent que les représentations internes apprises par ScreenShot sont directement utiles pour la conception expérimentale. La stratégie d'apprentissage actif démontre qu'il est possible d'identifier les meilleurs hits thérapeutiques avec des coûts expérimentaux réduits de manière significative (budget) par rapport à un criblage uniforme. Ce travail positionne ScreenShot comme un outil pratique pour l'oncologie de précision, capable de guider la sélection de thérapies combinées dans des contextes cliniques à ressources limitées.

L'article note modestement certaines limites, telles que la dépendance aux médicaments présents dans le corpus de pré-entraînement (bien qu'il gère les nouveaux composés via des jetons UNK) et l'observation que la précision de prédiction globale ne corrèle pas toujours directement avec la capacité de détection de hits, suggérant qu'une sélection guidée par l'incertitude pourrait ne pas être optimale pour trouver les meilleurs hits.