S'inscrire identifiants oubliés ?

Iseult, plongée dans le cerveau humain

19 mai 2017

Une prouesse technologique

Pour ses 10 ans le centre NeuroSpin du CEA de Saclay se dote de l'IRM (instrument d'imagerie par résonance magnétique) le plus puissant au monde. Avec son aimant supraconducteur de taille ...

Les points forts de l'agroforesterie

L'agroforesterie et la transition agroécologique

Le système d'agriculture actuel doit se transformer afin de répondre aux défis de la production agroalimentaire, ...

Le plongeon final de Cassini

Une mission riche en enseignements

Afin de mieux connaître Saturne et ses satellites, la sonde spatiale Cassini a quitté la Terre en octobre 1997. Parvenue à destination en 2004, elle s'est mise en orbite autour de la

Vers des réseaux de synapses artificiels

La mémoire et la synapse

Dans le cerveau, les informations sont transmises par des signaux électriques véhiculés par les neurones. Ces cellules sont connectées ...

Les protéines du tardigrade

Publié le 27 avril 2017

Que sont les protéines intrinsèquement désordonnées (PID) ?

François-Xavier Theillet, chercheur à l'I2BC (Institut de biologie intégrative de la cellule, rattaché au CEA, au CNRS et à l'université Paris Sud) étudie ...

La fibre pour le très haut débit

(source image : www.elbpresse.de)
26/04/17

Le très haut débit et la fibre

L'ARCEP (Autorité de Régulation des Communications Électroniques et des Postes) définit le très haut débit par des débits d'information supérieurs ...

Lutter contre le paludisme

Une maladie endémique

Le paludisme, ou malaria, est une infection des globules rouges causée par le protozoaire Plasmodium falciparum, qui a pour origine le gorille. Ses symptômes se rapprochent de ceux de la grippe : fièvre, troubles ...

Une piste de recherche pour guérir du SIDA

Des virus dormants

Le SIDA (Syndrome d’ImmunoDéficience Acquise) est le dernier stade de l’infection par le VIH (Virus de l’Immunodéficience Humaine). Ce rétrovirus s’attaque aux cellules du système immunitaire, les lymphocytes T CD4. Après les avoir infectées, il les détruit ou les rend inefficaces, ce qui entraîne un affaiblissement du système immunitaire et une vulnérabilité face aux infections opportunistes.

Les antirétroviraux, d'abord l'AZT seul puis le développement de trithérapies et d'autres pistes, permettent de ralentir l'évolution du syndrome et donc de contrôler l'infection. Cependant, certaines particules virales infectent les cellules de l'organisme sans les détruire, en restant dormantes. Le virus persiste donc dans des réservoirs au sein du système immunitaire, protégé des traitements car ne se répliquant plus et surtout prêt à se disséminer si le terrain redevient favorable. Ce qui contraint les patients à suivre des traitements toute leur vie.

En parallèle des thérapies actuelles, ainsi que des campagnes d'information et des recherches sur un éventuel vaccin visant à prévenir la propagation de l'épidémie, la guérison complète du VIH passe nécessairement par l'élimination de ces réservoirs. Pour envisager cela, une première étape est alors de distinguer dans le système immunitaire les cellules infectées des cellules saines actives, qui se ressemblent fortement. Pour ce faire, une équipe de l'Institut de génétique humaine est partie de l’hypothèse que le VIH pourrait laisser une empreinte à la surface de sa cellule hôte.

Identifier des marqueurs pour cibler les réservoirs de virus

Grâce à un modèle d’infection développé dans leur laboratoire, les chercheur·euse·s ont identifié la protéine CD32a, présente uniquement à la surface des cellules infectées. Codée par un gène parmi la centaine qui sont exprimés de manière spécifique par les cellules infectées, la protéine remplit in vitro les critères d’un marqueur de cellules réservoirs. Pour Monsef Benkirane, directeur de l'Institut : « L'expression de ce marqueur a une signification biologique. Il faut qu'on comprenne ce que la cellule est en train de nous dire lorsqu'elle est stressée par le virus. »

Le résultat a été confirmé par les expérimentations sur des échantillons cliniques. En étudiant des prélèvements de sang de douze patients séropositifs traités, les chercheur·euse·s ont constaté que les cellules exprimant le marqueur étaient presque toutes porteuses du virus. De plus, ces cellules ont pu être réactivées in vitro et se sont révélées capables de réinfecter des cellules saines, illustrant l'impossibilité pour un patient aujourd'hui d'arrêter son traitement.

« Cette découverte est un début, et pas une fin. L'utiliser pour comprendre comment le réservoir s'est établi, comment il s'est maintenu, quelles sont ses propriétés, ouvre de grandes perspectives de compréhension. Vu le nombre d'équipes dans le monde qui se sont attelées à ces recherches, on va très vite accumuler suffisamment de données pour proposer des stratégies thérapeutiques efficaces pour le traitement du VIH ciblant le réservoir. »

Un brevet, en propriété CNRS, a été déposé sur l'utilisation diagnostique et thérapeutique du marqueur ainsi identifié. Cette étude ouvre la voie à de nouvelles stratégies visant l'élimination totale du virus latent. Ces travaux, publiés dans la revue Nature, s’inscrivent dans le cadre du programme stratégique Réservoirs du VIH de l’ANRS (Agence nationale de recherches sur le sida et les hépatites virales).

En savoir plus

Découverte d’un marqueur du réservoir du VIH : une nouvelle piste pour éliminer le virus, communiqué de presse du CNRS et communiqué de presse de l'INSERM

VIH et Sida, dossier de l'INSERM

VIH et Sida, dossier de l'OMS

L'épidémie de SIDA : vers une résurgence ? sur Sciences en ligne

Lutte contre le SIDA : de nouveaux espoirs ? Sur Sciences en ligne

La plate-forme de prévention du SIDA

» lire tous les articles 1 2 3 4 5 6 7 8
sciences en ligne
exploratheque
du premier stage au premier emploi


Des machines qui parlent entre elles ?
Les principes de fonctionnement de l’Intelligence Artificielle via le Machine Learning.

En Novembre 2016 le projet d’intelligence artificielle de Google : « Google Brain » a déchaîné les médias. Alors que deux unités d’intelligence artificielle étaient connectées entre elles, elles se sont mises à communiquer dans un langage nouveau et incompréhensible par un humain.

Pour comprendre ce qu’il s’est réellement passé il faut comprendre ce qu’on entend aujourd’hui par intelligence artificielle et plus particulièrement par Machine Learning (Apprentissage Automatique en français).

Qu’est-ce que le Machine Learning ?

Le Machine Learning a pour but de rapprocher le fonctionnement des machines du fonctionnement du cerveau humain notamment grâce à l’apprentissage. En effet, considérons les deux images ci-dessous :

Si on voulait écrire un programme qui permettrait d’identifier l’image 1 comme étant des bananes, il serait possible de dire à l’ordinateur que cet agencement de pixels correspond à des bananes. Cependant si avec le même programme on lui montre l’image 2, les changements de couleurs et d’agencements ne seraient pas compris et l’ordinateur serait incapable de l’identifier.

En tant qu’humain nous réussissons cette identification parce que dans notre vie, parmi les milliers d’images qui sont apparues sous nos yeux, nous avons appris à distinguer des éléments clés des bananes : forme, couleurs, texture, taille etc… Ce qui fait que nous pouvons faire abstraction de certains détails comme la couleur pour identifier l’image 2 comme étant des bananes. Le Machine Learning consiste à apprendre à faire la même chose aux ordinateurs. C’est la méthode la plus aboutie que nous ayons à ce jour pour créer des intelligences artificielles.

Comment marche le Machine Learning ?

Pour classifier des objets, il existe deux familles de Machine Learning : la Classification et le Clustering. Dans les deux cas, on part d’un ensemble de données appelé Data Set pour apprendre à l’ordinateur à créer des liens logiques entre des catégories. Prenons l’exemple d’un algorithme devant identifier les images 1 et 2 comme étant des bananes. Le Data Set sera un ensemble d’images de fruits en tous genres.

Dans le cas de la Classification, on dit à l’avance à l’ordinateur que l’image correspondant à une banane est une banane, celle d’un citron est un citron etc…, on appelle ça l’apprentissage supervisé. Avec cette méthode, en présentant l’image 2 à l’ordinateur, il saura dire qu’il s’agit de bananes. Il est très pratique mais nécessite des données précises et étiquetées ce qui est rare pour de gros volumes de données.

Processus d'apprentissage en Classification

Dans le cas du Clustering, on ne dit rien à l’ordinateur et c’est à lui de trouver des liens entre les images. Il s’agit d’apprentissage non supervisé. En lui montrant les images 1 et 2, l’ordinateur les regroupera avec d’autres images de bananes mais ne pourra pas dire « ce sont des bananes ». Cette méthode ne permet pas de mettre un nom sur une donnée entrante. Cependant il est très pratique lorsque le nombre et la diversité des données ne permettent pas de faire un étiquetage.

Processus d'apprentissage en Clustering

Et Google Brain dans tout ça ?

Dans le cas de Google Brain, les ordinateurs fonctionnaient avec des algorithmes de Machine Learning non supervisés. Pour simplifier on va dire qu’ils devaient simplement se transmettre des données. Mais le langage humain ou le langage binaire ne permettaient pas de le faire d’une manière optimisée. Les données qu’ils devaient échanger constituaient leur Data Set, et ils ont construit un nouveau langage permettant de transmettre ces données plus rapidement. S’ils avaient eu à échanger très souvent le mot « banane » et rarement le caractère « b » par exemple, il valait mieux remplacer « banane » par « b » et la lettre « b » par une autre combinaison éventuellement plus complexe.

On comprend alors qu’il n’y a pas de quoi s’inquiéter car avec le Machine Learning, les ordinateurs ne comprennent pas vraiment ce qu’ils sont en train de faire. Ils respectent juste une logique dictée par l’Homme et trouvent des liens entre les données qu’on leur fournit. Leurs décisions restent strictement cantonnées au but de l’algorithme : ici transmettre des données rapidement.

En savoir plus :

Benjamin Péri
Twitter Facebook Google Plus Linkedin email