L’IA joue au détective pour débusquer des microbes cachés

Un nouvel outil d’apprentissage automatique aidera à résoudre l’un des casse-têtes les plus complexes de la biologie : trouver les microbes les plus rares sur Terre. C’est un peu comme chercher une aiguille dans une botte de foin, sauf que l’aiguille est microscopique et qu’elle pourrait être la clé du fonctionnement des écosystèmes.

L’outil, appelé ulrb, utilise l’intelligence artificielle pour repérer ces micro-organismes indéfinissables qui, malgré leur nombre infime, jouent un rôle franchement prépondérant dans le maintien de la santé des écosystèmes de la planète. Ce logiciel libre révolutionnaire agit comme un détective super intelligent capable de repérer les perles rares parmi des milliards d’autres microbes.

Produit d’une collaboration entre l’Université d’Ottawa, l’Université Dalhousie, l’Interdisciplinary Center for Marine and Environmental Research (CIIMAR), l’Institute for Bioengineering and Biosciences de l’Instituto Superior Técnico et l’Université de Porto, il comble des lacunes de longue date dans le domaine de l’écologie microbienne et ouvre de nouvelles voies en recherche écologique.

« L’outil permet de répondre à une grande question de l’écologie microbienne : comment définir les micro-organismes rares », déclare Paula Branco, coauteure de l’étude et professeure agrégée à l’École de science informatique et de génie électrique de l’Université d’Ottawa. « En créant ulrb, nous avons mis au point une méthode précise, adaptable et capable d’améliorer l’évaluation de la biodiversité. Auparavant, nous devinions plus que nous comprenions le concept de “rareté” dans le monde microbien. Nous disposons maintenant d’un moyen précis de le définir. »

« Nos résultats montrent qu’ulrb ne se contente pas d’identifier des micro-organismes rares, mais qu’il peut aussi traiter des jeux de données d’autres types, comme les inventaires d’arbres, par exemple », explique Francisco Pascoal, doctorant au CIIMAR (Interdisciplinary Center for Marine and Environmental Research), qui a dirigé la conception du programme statistique en langage R d’ulrb dans le cadre de sa recherche doctorale. « Cette polyvalence en fait un outil puissant pour différentes applications en écologie. »

L’étude, qui a testé ulrb sur divers ensembles de données microbiologiques, a été réalisée entièrement à l’aide de calculs. Le logiciel a prouvé sa robustesse statistique et son potentiel d’applications pratiques, notamment pour la caractérisation des microbiomes de récifs coralliens.

Disponible en version libre sur CRAN et GitHub, le logiciel ulrb s’accompagne de tutoriels qui en facilitent l’emploi pour les utilisatrices et utilisateurs du monde entier. Ses répercussions dépassent la sphère universitaire, car l’outil permettra d’améliorer l’évaluation de la biodiversité et de mieux comprendre les effets du changement climatique sur les communautés microbiennes.

Le projet, lancé en 2022, a récemment fait l’objet d’un article publié dans Communications Biology sous le titre Definition of the microbial rare biosphere through unsupervised machine learning (Définition de la biosphère microbienne rare grâce à l’apprentissage automatique non supervisé), marquant un nouveau chapitre dans notre étude du monde secret des micro-organismes.