Tristan Cazenave résout un défi mondial en conception d’ARN grâce à l’IA

L’algorithme Montparnasse a réussi l’exploit de résoudre les 100 puzzles de l’Eterna100, défi majeur en biologie computationnelle.

Tristan Cazenave, professeur à l’Université Paris Dauphine – PSL et chercheur au LAMSADE, vient de franchir une étape majeure dans le domaine de la biologie computationnelle. Montparnasse repose sur une suite d’algorithmes puissants, dont MOGNRPALR (Multi Objective Generalized Nested Rollout Policy Adaptation with Limited Repetition). Grâce à ce nouvel algorithme, il est parvenu à résoudre l’intégralité du benchmark Eterna100. 

Le benchmark Eterna100, constitué de 100 problèmes de design d’ARN de difficulté croissante, représentait jusqu’ici un obstacle majeur dans le domaine de la biologie computationnelle. Aucun algorithme n’était parvenu à le résoudre entièrement. 

Des résultats inédits

• En moins d’une journée par problème, Montparnasse a résolu les 100 problèmes d’Eterna, là où les meilleurs algorithmes précédents, comme GREED-RNA ou NEMO, plafonnaient à 95.
   
• Sur les énigmes les plus coriaces, comme “Shooting Star” ou “Gladius”, Montparnasse dépasse de loin ses concurrents, avec des taux de réussite allant jusqu’à 60%, contre 3% pour les précédents meilleurs résultats. 

Une première mondiale qui ouvre la voie à de nouvelles avancées en biologie synthétique, médecine et nanotechnologie. 

Pour aller plus loin : 

Lire l’article scientifique original de Tristan Cazenave (2024) – Montparnasse: RNA Design with Multi Objective GNRPA (HAL) 

Lire l’article de vulgarisation scientifique sur Montparnasse (10 Data Economy)