À l'intérieur de chaque cellule, le travail ne s'arrête jamais : les protéines communiquent, les gènes s'activent et se désactivent, et les dysfonctionnements de ce système mènent à des maladies. Pour trouver le coupable d'une affection, les scientifiques devaient auparavant éplucher manuellement les articles scientifiques et les bases de données, comme un détective qui interroge les témoins un par un. Mais les connexions sont si nombreuses qu'on ne peut pas y arriver seul.

Le nouveau modèle GLaDiGAtor fonctionne comme un graphe intelligent : il construit une carte où les points représentent les gènes et les maladies, et les lignes entre eux, les interactions connues. Ensuite, il apprend de cette carte, comme à partir d'exemples, et prédit où devraient se trouver les lignes manquantes. La carte intègre également des indices textuels : les descriptions des maladies et les séquences de protéines, que le modèle lit comme des annotations sur les points. Grâce à cela, il voit non seulement les connexions directes, mais aussi les schémas cachés.

Cette approche accélère la recherche de gènes cibles pour les médicaments. Au lieu de mois de travail manuel, quelques heures de calcul suffisent. Et plus les données sont ajoutées à la carte, plus les prédictions deviennent précises. Peut-être qu'un jour nous pourrons voir à l'avance quel gène va défaillir dans telle ou telle maladie, et préparer un traitement avant l'apparition des symptômes.