Yusuf Roohani at ARDD2025: Building a Virtual Cell: an AI platform for engineering cell state

Yusuf Roohani at ARDD2025: Building a Virtual Cell: an AI platform for engineering cell state

par Yusuf Roohani

Sciences appliquées & ingénierie Biologie PSASciences de la vie : généralitésPSAXBiologie computationnelle
🎙 Yusuf Roohani 👥 9K 📅 19 janvier 2026 ⏱ 22 min 👁 299 📄 conférence scientifique 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

cellule virtuellemodèles de fondationperturbationtranscriptomiqueagents IA

Résumé

Yusuf Roohani, chercheur à l’Arc Institute, présente lors de la conférence ARDD2025 sa vision d’une ‘cellule virtuelle’ : une plateforme d’IA capable de prédire la réponse cellulaire à des perturbations, dans le but d’accélérer la découverte de médicaments et la compréhension des mécanismes biologiques. Il s’appuie sur l’exemple d’AlphaFold pour illustrer le paradigme de l’expérience in silico. Son groupe a développé un modèle nommé ‘state’, un transformer qui apprend sur des ensembles de cellules plutôt que sur des cellules individuelles, permettant de capturer l’hétérogénéité cellulaire. Ce modèle est entraîné sur plus de 600 millions de cellules, grâce à un pipeline de curation automatisé par des agents IA. Il présente également le ‘Virtual Cell Challenge’, une compétition annuelle pour évaluer les modèles de prédiction de perturbations, et discute de l’utilisation d’agents pour guider la génération de nouvelles données expérimentales. Il conclut en citant Dario Amodei sur l’IA comme ‘biologiste virtuel’ et souligne l’importance d’une boucle fermée entre expériences et modèles.

159 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La présentation offre une valeur informative élevée en détaillant une approche concrète et ambitieuse pour construire une cellule virtuelle. L’argumentation est structurée et s’appuie sur des résultats quantitatifs (amélioration de 21% en moyenne, 42% pour les gènes non essentiels) et des comparaisons avec des modèles de référence. L’orateur justifie ses choix méthodologiques (transcriptomique, CRISPR) et reconnaît les limites, comme la nécessité d’une validation expérimentale. La solidité de l’argumentation est renforcée par la mention de publications dans des revues prestigieuses et par la mise en place d’un challenge communautaire pour évaluer les modèles.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : les travaux présentés sont publiés ou en cours de publication dans des revues à comité de lecture (Cell). Les sources sont principalement les propres publications du groupe, mais aussi des références fondatrices comme AlphaFold et les modèles de fondation. L’adéquation titre/contenu est parfaite : le titre annonce clairement le sujet. La présentation est honnête sur les limites et les incertitudes, comme en témoigne la réponse à une question sur les erreurs dans les données. Aucune source externe n’est citée en dehors des travaux du groupe, ce qui limite la perspective mais n’entache pas la fiabilité.

208 mots

Adéquation titre / contenu

Le titre reflète fidèlement le contenu : présentation d'une plateforme IA pour modéliser et modifier l'état cellulaire.

Qualité & fiabilité

8/10

Présentation par un chercheur senior de l'Arc Institute, s'appuyant sur des publications dans des revues à comité de lecture (Cell) et des données massives. Les résultats sont présentés de manière transparente, avec des limites et des comparaisons à des modèles de référence. La fiabilité est élevée, bien que la présentation soit orientée vers la promotion des travaux du groupe.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

  • Perspective sur la cellule virtuelle (Cell) — Article de perspective publié dans Cell décrivant la vision de la cellule virtuelle.
  • Article sur le modèle state — Préprint détaillant le modèle state et ses performances.
  • Article sur le Virtual Cell Challenge — Publication dans Cell présentant le challenge.
  • Article sur SCBase — Préprint décrivant le référentiel de données SCBase.

Sources concordantes

  • AlphaFold — Modèle d'IA pour la prédiction de structure de protéines, cité comme exemple de transformation de la découverte scientifique.
  • Whole-cell modeling — Approches antérieures de modélisation de cellules entières, mentionnées comme précurseurs.

Sources discordantes

  • Aucune source discordante identifiée — La présentation ne mentionne pas de sources contradictoires.

Apport & nouveautés

L’apport principal est la formalisation d’une cellule virtuelle comme un modèle de prédiction de perturbations, avec une approche innovante basée sur des transformers opérant sur des ensembles de cellules. L’utilisation d’agents IA pour la curation et la génération de données est également novatrice. La mise en place d’un challenge communautaire pour évaluer les modèles est un pas important vers une standardisation.

Pour aller plus loin :

  • AlphaFold — Référence majeure pour la prédiction de structure de protéines, citée comme inspiration.
  • Foundation models — Article fondateur sur les modèles de fondation, co-écrit par l’orateur.
  • Perturb-seq — Technique de criblage par perturbation au niveau single-cell, utilisée pour générer les données.
  • Cell by Gene — Référentiel de données single-cell existant, comparé à SCBase.

120 mots

Profil radar

Le profil radar montre une bonne maîtrise technique et une fiabilité élevée, avec une quantité d'information substantielle. La qualité de l'information est également bonne, mais le niveau technique est élevé, ce qui peut limiter l'accessibilité. La note globale reflète un contenu solide et pertinent.

Fiabilité 8/10

💬 Sur les 0 commentaires analysés, aucune tendance n'est disponible.