Comment une machine apprend à choisir le prochain lot de gènes dans un crible CRISPR
Quand il s’agit d’éprouber des milliers de gènes, une question coûteuse revient sans cesse : quels gènes non encore testés intégrer au prochain lot ? Une nouvelle approche d’apprentissage automatique associe un modèle de langage généraliste à une politique spécialisée. Celle-ci apprend des résultats positifs passés, des descriptions des cribles et du retour d’information du laboratoire, tour après tour. L’enjeu est de transformer des résultats expérimentaux bruités en meilleures hypothèses sur les gènes à tester ensuite, tout en ancrant les choix dans la biologie connue.
