Le bioinformaticien Douglas Yao a suscité un vif débat en annonçant la synthèse, dans son laboratoire personnel, d'un composé baptisé PAC-3310 destiné au traitement de la schizophrénie. Cette molécule, conçue avec l'assistance de l'intelligence artificielle, illustre l'accélération technologique dans la découverte de médicaments tout en soulevant des questions majeures sur la sécurité et la rigueur scientifique.
Une conception assistée par l'intelligence artificielle
Douglas Yao, titulaire d'un doctorat en biologie computationnelle de l'université de Harvard, a utilisé ChatGPT pour concevoir le PAC-3310. Ce composé se présente comme un agoniste sélectif du récepteur muscarinique M4, une approche thérapeutique visant à limiter les effets secondaires gastro-intestinaux observés dans les traitements actuels. Pour la phase de synthèse, le chercheur s'est appuyé sur une infrastructure légère, incluant un robot de pipetage automatisé, au sein de sa structure baptisée Pace Pharmaceuticals.
Le fossé entre la molécule et le traitement clinique
Si la prouesse technique de synthèse est réelle, le passage de la molécule au médicament administrable aux patients demeure un défi colossal. Le processus réglementaire, notamment celui de la FDA, impose des étapes strictes : validation préclinique, trois phases d'essais cliniques et une inspection rigoureuse des sites de production. Ces étapes représentent un investissement se chiffrant en milliards de dollars. Historiquement, le taux de succès pour les molécules entrant en phase clinique est faible, et le domaine des maladies neurologiques, comme Alzheimer, a connu de nombreux échecs malgré des recherches approfondies.
L'absence de validation scientifique indépendante
À ce jour, les travaux de Douglas Yao n'ont fait l'objet d'aucune publication dans une revue scientifique ni d'une évaluation par les pairs. Les tests actuels sont limités à des lignées cellulaires et des modèles murins. Cette absence de transparence et de validation externe constitue un point de vigilance essentiel pour la communauté scientifique. Bien que l'IA offre des perspectives inédites pour le criblage moléculaire, la transformation de ces résultats en solutions thérapeutiques viables reste un processus long, estimé entre 10 et 15 ans, nécessitant une rigueur méthodologique que l'expérimentation artisanale ne peut, pour l'heure, garantir.