Dans les laboratoires silencieux de la chimie computationnelle, les scientifiques s'appuient depuis longtemps sur un type spécifique d'empreinte digitale numérique pour comprendre le monde invisible des molécules. Ces empreintes, appelées plongements (embeddings), sont des résumés mathématiques qui capturent l'essence d'une structure chimique, permettant aux ordinateurs de prédire comment une substance se comportera, si elle se dissoudra dans l'eau ou si elle pourrait être toxique. Pendant des années, la création de ces empreintes nécessitait des outils spécialisés conçus pour un usage unique : prendre une photo d'une molécule ou lire son code chimique et recracher un nombre fixe. Cette approche fonctionnait bien pour des tâches spécifiques, mais manquait de flexibilité. Elle ne pouvait pas facilement changer de focalisation en fonction de ce que demandait un scientifique. Si un chercheur voulait connaître la capacité d'une molécule à traverser la barrière hémato-encéphalique, l'outil donnait la même réponse que s'il demandait sa capacité à se dissoudre dans l'huile, car l'outil ne comprenait pas la question, seulement la forme de la molécule.

Cette limitation est devenue un goulot d'étranglement alors que le domaine évolue vers la découverte de médicaments plus complexes et la conception de matériaux. Les scientifiques avaient besoin d'un moyen de parler à ces empreintes numériques, de leur demander de mettre en évidence différentes caractéristiques selon le contexte de l'enquête. La question était de savoir si les systèmes d'intelligence artificielle puissants et flexibles, capables de déjà lire du texte et de voir des images, pouvaient être détournés pour créer ces empreintes chimiques adaptables. Au lieu de construire un nouvel outil étroit pour chaque problème chimique, les chercheurs se demandaient si un système unique et polyvalent pouvait apprendre à représenter les molécules d'une manière qui change en fonction du langage utilisé pour les décrire.

Une équipe de chercheurs de l'Université chinoise de Hong Kong, Shenzhen, et du Laboratoire d'intelligence artificielle de Shanghai s'est donné pour mission de répondre à cette question avec un nouveau cadre qu'ils appellent MolEmb. Ils ont commencé par un type d'intelligence artificielle connu sous le nom de modèle de langage étendu multimodal. Ce sont les mêmes types de systèmes qui peuvent regarder une photographie, lire une phrase et comprendre la relation entre les deux. Les chercheurs ont réalisé que ces modèles étaient naturellement adaptés pour gérer les différentes manières dont une molécule peut être décrite : sous la forme d'un dessin en deux dimensions, d'une chaîne de caractères textuels représentant sa structure chimique, ou d'un ensemble d'instructions sur la propriété à étudier.

L'équipe a construit un système léger pour apprendre à ces grands modèles à agir comme des experts en plongement moléculaire. Ils n'ont pas essayé d'apprendre au modèle à générer de nouvelles molécules ou à rédiger des articles chimiques de toutes pièces. Au lieu de cela, ils se sont concentrés sur l'apprentissage du modèle pour aligner la description visuelle et textuelle d'une molécule avec une instruction textuelle spécifique. Imaginez une molécule comme un objet complexe qui peut être observé à travers différentes lentilles. Les chercheurs montraient au modèle une image d'une molécule et son code chimique, puis associaient cela à une instruction textuelle telle que « analyser la toxicité » ou « analyser la solubilité ». L'objectif était de faire en sorte que le modèle produise une empreinte numérique unique pour cette molécule qui varie légèrement selon l'instruction. Lorsque l'instruction concernait la toxicité, l'empreinte mettait l'accent sur les parties de la molécule pertinentes pour la sécurité. Quand l'instruction changeait pour la solubilité, l'empreinte se déplaçait pour mettre en évidence les parties pertinentes pour la dissolution dans l'eau.

Pour tester si cette approche fonctionnait, les chercheurs ont mené une série d'expériences rigoureuses. Premièrement, ils ont vérifié si le nouveau système pouvait prédire les propriétés chimiques aussi précisément que les outils spécialisés actuellement en usage. Ils ont découvert que le système, même sans aucun entraînement spécifique sur des tâches chimiques particulières, pouvait prédire des propriétés comme la solubilité et la toxicité avec un niveau de précision rivalisant avec les meilleures méthodes existantes. C'était une découverte significative car elle suggérait que le modèle généraliste avait déjà appris suffisamment sur les structures chimiques pour être utile, simplement en comprenant la relation entre l'image de la molécule, son code textuel et le langage utilisé pour la décrire.

Ensuite, l'équipe a testé si ces empreintes pouvaient être utilisées pour rechercher des molécules à l'aide de texte. Dans les systèmes traditionnels, vous ne pouvez pas chercher dans une base de données de molécules en tapant une phrase comme « trouve-moi une molécule qui est toxique pour les cellules hépatiques » et espérer obtenir un résultat pertinent, car les données chimiques et les données textuelles vivent dans des mondes séparés. Les chercheurs ont montré que leur nouveau système créait un espace partagé où les molécules et les descriptions textuelles pouvaient être comparées directement. Lorsqu'ils ont demandé au système de trouver une molécule correspondant à une description spécifique, il a réussi avec une grande précision, prouvant que le modèle avait véritablement appris à connecter les aspects visuels et textuels de la chimie dans une représentation unique et unifiée.

Le test le plus critique, cependant, consistait à voir si le système pouvait réellement changer d'avis en fonction du contexte. Les chercheurs ont créé un banc d'essai diagnostique appelé MolCAR pour voir si le modèle pouvait distinguer différentes descriptions valides de la même molécule. Ils ont présenté au modèle une seule molécule et lui ont demandé de trouver la description correcte pour une tâche spécifique, telle que la toxicité, tout en ignorant d'autres descriptions valides pour d'autres tâches, comme l'hydratation. Avant d'ajouter une couche finale d'entraînement spécifique, le modèle peinait à faire cette distinction. Il traitait la molécule comme ayant une identité fixe, quel que soit l'aspect de la question posée. Cependant, après que les chercheurs ont entraîné le modèle sur un ensemble de données spécifiquement conçu pour associer des molécules à différentes descriptions axées sur des tâches, le système a appris à changer de focalisation. Il a commencé à produire des empreintes différentes pour la même molécule selon que la question portait sur la toxicité ou sur la solubilité.

Les résultats suggèrent que les modèles de langage étendus multimodaux ne sont pas seulement des outils pour générer des idées chimiques ou répondre à des questions ; ils peuvent servir de fondation à un nouveau type de représentation moléculaire. L'étude indique que la capacité de créer des empreintes chimiques sensibles au contexte n'est pas un défaut inhérent à l'architecture du modèle, mais plutôt une question de données sur lesquelles il est entraîné. Lorsque les données d'entraînement incluent des exemples diversifiés de la même molécule décrite sous différentes lentilles scientifiques, le modèle apprend à s'adapter. Cette conclusion pointe vers un avenir où un système unique et polyvalent pourra remplacer une collection d'outils étroits et spécialisés, permettant aux scientifiques d'interroger les données chimiques avec la même flexibilité qu'ils utilisent pour rechercher des informations dans une bibliothèque. Ce travail démontre qu'en alignant les profils moléculaires avec des instructions en langage naturel, ces modèles puissants peuvent devenir une infrastructure polyvalente pour la prochaine génération de découverte de médicaments et de recherche chimique.