Une équipe dirigée par Jian Tang de Mila dévoile TorchDrug, une plateforme à code source libre pour la découverte de médicaments
Jian Tang, membre académique principal de Mila et professeur adjoint à HEC Montréal, ainsi que des étudiants de Mila et des chercheur.e.s de l’Université de Tsinghua, de l’Université de Pékin et de l’Université Jiao Tong de Shanghai, ont annoncé aujourd’hui le lancement de TorchDrug — une plateforme d’apprentissage automatique open-source visant à mettre des logiciels et des bibliothèques de découverte de médicaments basés sur l’IA à la disposition de la communauté de recherche. TorchDrug est l’une des premières plateformes à code source libre connues qui permettra aux spécialistes de l’apprentissage automatique d’utiliser, de contribuer et d’appliquer des algorithmes fondamentaux aux opérations de découverte de médicaments avec un minimum d’efforts sur la connaissance du domaine.
Initié par le groupe de recherche MilaGraph du professeur Tang, les fondateurs de TorchDrug ont intégré des techniques allant de l’apprentissage automatique par graphes (réseaux neuronaux à graphes, apprentissage profond géométrique et graphes de connaissances) et des modèles génératifs profonds à l’apprentissage par renforcement. Ses principales caractéristiques comprennent une connaissance minimale du domaine, des ensembles de données et des modules de base, des tests de référence complets et des modèles d’apprentissage et d’inférence évolutifs. Les didacticiels actuels incluent la prévision des propriétés, les représentations moléculaires pré entraînées, la conception et l’optimisation moléculaires de novo, et plus encore.
Au cours de la dernière décennie, de nombreuses entreprises pharmaceutiques et biotechnologiques ont recentré leurs stratégies afin d’exploiter le potentiel de l’intelligence artificielle (IA) pour la découverte et le développement de médicaments. Alors que la mise au point de nouveaux médicaments est un processus coûteux et de longue haleine, l’IA offre désormais un niveau de précision inégalé dans la recherche de médicaments, ce qui mène à des délais de développement plus rapides et à des coûts potentiellement réduits.
Selon le professeur Tang, l’avenir de la découverte de médicaments repose sur la promotion d’une riche communauté open-source : « Nous espérons que cette plateforme pourra accélérer le processus de découverte de médicaments en réunissant des chercheurs des communautés de l’apprentissage automatique et de la biomédecine de partout sur la planète et qu’elle deviendra la principale plateforme pour la découverte de médicaments à l’avenir ».
L’équipe prévoit d’étendre sa plateforme à la modélisation et à la génération de structures 3D avec des méthodes d’apprentissage profond géométrique.
Cliquez ici pour en savoir plus sur TorchDrug.