fr.wedoany.com Rapport : Bota Biosciences a développé un langage de protocole biologique compilable, le BPL, ainsi que son outil de génération automatique de code, BPL-COGEN, visant à permettre à l’intelligence artificielle de comprendre et d’exécuter réellement les processus expérimentaux en biologie.

Dans le domaine de la biofabrication, les opérations en laboratoire exigent une précision extrême. Des erreurs d’unité, des écarts de paramètres ou une inversion des étapes dans des actions telles que la manipulation de pipettes, l’enregistrement de températures ou le transfert de boîtes de Petri peuvent entraîner l’échec de l’expérience. Bien que l’IA puisse aider les scientifiques à concevoir des protocoles expérimentaux, il lui est difficile d’entrer réellement dans le laboratoire pour exécuter les opérations. Cela est principalement dû au manque naturel de standardisation des expériences biologiques : les habitudes opérationnelles varient selon les expérimentateurs, les formats d’interface des équipements diffèrent, et les structures de données ne sont pas uniformisées. Une grande partie de l’expérience expérimentale n’existe que dans l’esprit humain, ce qui rend les expériences difficiles à reproduire, les données difficiles à accumuler et l’automatisation difficile à boucler.

Auparavant, le monde académique avait tenté des solutions de standardisation telles que BioCoder, Autoprotocol, Antha et LabOP, mais celles-ci présentaient des limitations en termes de capacité d’expression, de dépendance à des équipements spécifiques ou de seuil d’utilisation trop élevé. Récemment, Bota Biosciences a publié un article de recherche sur la plateforme de prépublication en sciences de la vie bioRxiv, proposant un langage de description biologique compilable et vérifiable, le BPL.

Le BPL n’est pas seulement un langage de description, mais aussi un langage compilable. Avant le début de l’expérience, le système effectue une simulation expérimentale au niveau logiciel, vérifiant si les unités sont correctes, si les réactifs existent, si la capacité des conteneurs n’est pas dépassée et s’il n’y a pas de conflits logiques entre les étapes. En cas de problème, le système signale directement une erreur, plutôt que d’attendre l’échec de l’expérience pour recommencer. Sur la base du BPL, Bota Biosciences a développé l’outil BPL-COGEN, qui traduit automatiquement les besoins expérimentaux décrits en langage naturel en code BPL standardisé. Ce code passe ensuite par l’étape de vérification du compilateur, suivant un processus itératif de détection d’erreurs, de correction automatique, de nouvelle vérification et de nouvelle correction, jusqu’à ce que le code réussisse la compilation et la validation par simulation. Le système synchronise ensuite les instructions conformes au laboratoire pour lancer l’expérience réelle.

Pour évaluer la précision de la génération des protocoles expérimentaux, l’équipe de recherche a sélectionné 30 protocoles expérimentaux classiques dans Nature Protocols, couvrant des domaines tels que la biologie moléculaire, la culture cellulaire et l’analyse biochimique, et a construit un ensemble de données de référence spécialisé. Cet ensemble de référence utilise un modèle d’évaluation combinant une revue par grand modèle et une vérification objective par compilateur, notant selon trois dimensions : la correspondance du contenu, l’efficacité du protocole et l’intégrité expérimentale. Les résultats montrent que pour une même expérience répétée 10 fois, 98,3 % des codes générés sont identiques, avec un score global de 95,1 points, dont un score d’efficacité du protocole de 98,7 points. En ce qui concerne la vérification par compilateur, cet ensemble de référence a détecté un total de 343 problèmes, notamment des incohérences d’unités, des surcharges de conteneurs et des réactifs non définis. Le taux de réussite de la compilation pour le code généré lors du premier passage était de 82,3 %, et après un maximum de trois cycles de correction automatique, le taux global a atteint 98,6 %, seuls 1,4 % des problèmes n’ayant pu être résolus.

L’équipe de Bota a également réalisé deux validations par expériences humides. La première consistait à convertir un même code BPL en un manuel d’instructions pour opérateur humain et en un script d’exécution pour pipeteur automatique ; les résultats de séquençage et de détection par fluorescence des deux systèmes ne présentaient aucune différence significative. La seconde concernait une expérience de chromatographie liquide, où le système a automatiquement converti un processus d’analyse de 32 minutes en un protocole ultra-performant de 2,1 minutes, permettant la séparation complète de la ligne de base de 5 substances liposolubles, avec un ordre de séparation identique à celui de la méthode originale.

Basée sur le langage BPL, Bota Biosciences a lancé la plateforme d’IA physique SAION AI, destinée au domaine de la biofabrication. Cette plateforme se positionne comme un scientifique IA, composée de trois couches : la couche cognitive, responsable de la compréhension des problèmes scientifiques et de la génération de protocoles expérimentaux ; la couche de contrôle, responsable de la compilation BPL, de la vérification et de l’ordonnancement des tâches ; et la couche d’exécution, responsable du pilotage des équipements expérimentaux réels pour effectuer les opérations. Dans le scénario d’ingénierie des souches, SAION AI peut faire passer l’efficacité d’un projet de R&D individuel d’environ 500 expériences sur souches par an en mode traditionnel à 30 000 groupes d’expériences réalisables sur la même période, permettant une exécution expérimentale et un retour de données sans intervention humaine tout au long du processus.

Fondée en 2019 à Hangzhou, Bota Biosciences a parallèlement construit dès le début une fonderie biologique pilotée par IA physique, Cell2Cloud, couvrant l’ensemble du processus, de l’ingénierie des souches au développement de procédés jusqu’à la production à grande échelle. Ce système génère en continu des dizaines de millions de données expérimentales réelles et connecte des millions de connaissances issues de la littérature et des brevets. Le fondateur et PDG de l’entreprise, Cui Hao, est titulaire d’une licence de l’Université de Toronto au Canada et d’un doctorat en ingénierie médicale et physique médicale, obtenu dans le cadre d’un programme conjoint entre la Harvard Medical School et le MIT. Pendant son doctorat, il a publié des articles en tant que premier auteur ou auteur principal dans des revues telles que Science, Nature Nanotechnology et PNAS, et détient des brevets d’invention liés à la biologie synthétique et à l’automatisation expérimentale.

En 2021, Bota Biosciences a finalisé un tour de financement de série B de 100 millions de dollars, avec des investisseurs incluant Sequoia China, 5Y Capital, Source Code Capital, Baidu, Meituan, BASF et Matrix Partners. Actuellement, l’entreprise collabore avec des partenaires tels que NHU, SYENSQO, Yili, BASF, Proya et Pechoin dans les domaines de l’alimentation, de la nutrition-santé et des soins personnels.

L’industrie compare le BPL à l’automatisation de la conception électronique (EDA) dans le secteur des semi-conducteurs. Avant l’apparition de l’EDA, la conception des puces dépendait fortement de l’expérience des ingénieurs, avec des coûts de vérification élevés et des cycles d’essais-erreurs longs ; la valeur de l’EDA réside dans la transformation de la conception des puces en actifs numériques descriptibles, vérifiables et simulables. Le rôle du BPL dans la biofabrication est similaire : il ne s’agit pas seulement d’un outil pour améliorer l’efficacité expérimentale, mais aussi d’une infrastructure sous-jacente pour l’avenir de l’industrie, permettant à l’IA de passer de la simple fourniture de suggestions de raisonnement pour les expériences à la réalisation autonome d’opérations expérimentales humides en tant que scientifique IA.