NERD: un outil d’IA au service de la lutte contre les phyto-parasites
- Innovation
- Recherche
le 7 juillet 2023
L’équipe GAME de l’INRAe, avec le soutien de la MSI, a développé l’outil NERD (Nematode EffectoR Discovery). À travers l’utilisation combinée de diverses techniques d’IA, NERD permet d’identifier les protéines impliquées dans le processus parasitaire de ravageurs de cultures à partir de leur seule séquence.
Produire des ressources agricoles suffisantes pour alimenter une population mondiale estimée à plus de 9 milliards d’individus d'ici 2050, tout en réduisant l’impact sur notre planète, est l'un des principaux défis auxquels l'humanité est confrontée.
Divers phyto-parasites comme les Nématodes parasites de plantes (PPNs) (des vers ronds microscopiques) et certaines espèces d’Oomycetes (des organismes filamenteux semblables à des champignons) intensifient cette insécurité alimentaire mondiale en engendrant des pertes agricoles considérables. Afin d’infecter les plantes, ces organismes s’appuient sur un arsenal de protéines appelées effecteurs qui leur permettent de manipuler le développement, la réponse immunitaire et la physiologie de la plante hôte.
Sélectionner efficacement de nouveaux effecteurs candidats afin de pouvoir ensuite étudier leur rôle dans le processus infectieux est ainsi nécessaire. Néanmoins, compte tenu de la diversité des effecteurs au sein de ces pathogènes, aucun critère simple ne permet de discriminer efficacement les protéines effectrices du reste des protéines.
C’est pour répondre à ce défi que les ingénieurs de la MSI, en collaboration avec l’équipe GAME (INRAe), ont mis au point l’outil NERD (Nematode EffectoR Discovery) qui permet de prédire si une protéine donnée est un effecteur potentiel à partir de sa seule séquence. NERD se base sur l’utilisation conjointe d’approches supervisées et non-supervisées réparties en deux blocs. Le premier bloc repose sur l’utilisation un modèle génératif (Protrans) pré-entrainé sur plus de 45 millions de protéines (Uniref50). Ce ‘transformeur’ a pour rôle de représenter les séquences des protéines sous forme de vecteurs numériques. Cette représentation permet d’extraire des caractéristiques essentielles des protéines qui serviront à discriminer les effecteurs du reste des protéines dans le deuxième bloc.
Ce deuxième bloc, un réseau de neurones dense entraîné sur un jeu de protéines dont on sait si elles sont effectrices ou non, utilise cette représentation des données afin de prédire pour chaque protéine analysée sa probabilité d’être un effecteur. NERD permet ainsi d’isoler, à partir d’un jeu de protéines, une liste d’effecteurs candidats qui pourront ensuite être validés par des techniques de biologie expérimentale.
A terme, l’étude du rôle de ces effecteurs dans le processus parasitaire permettra de mettre en place des méthodes de lutte plus efficaces et plus respectueuses de l’environnement contre ces pathogènes.
Partenaires
MSI - Maison de la Modélisation, de la Simulation et des Interactions
INRAe, Institut National de Recherche pour l'Agriculture, l'Alimentation et l'Environnement (ISA - Institut Sophia Agrobiotech, équipe GAME)
