Comment un tour de passe-passe mathématique a sauvé la physique des particules

La renormalisation est peut-être l'avancée la plus importante de la physique théorique depuis 50 ans. 

Dans les années 1940, certains physiciens avant-gardistes tombèrent sur une nouvelle couche de la réalité. Les particules n'existaient plus et les champs - entités expansives et ondulantes qui remplissent l'espace comme un océan - étaient dedans. Une ondulation dans un champ était un électron, une autre un photon, et leurs interactions semblaient expliquer tous les événements électromagnétiques.

Il n'y avait qu'un seul problème : la théorie était constituée d'espoirs et de prières. Ce n'est qu'en utilisant une technique appelée "renormalisation", qui consiste à occulter soigneusement des quantités infinies, que les chercheurs purent éviter les prédictions erronées. Le processus fonctionnait, mais même ceux qui développaient la théorie soupçonnaient qu'il s'agissait d'un château de cartes reposant sur un tour de passe-passe mathématique tortueux.

"C'est ce que j'appellerais un processus divertissant", écrira plus tard Richard Feynman. "Le fait de devoir recourir à de tels tours de passe-passe nous a empêchés de prouver que la théorie de l'électrodynamique quantique est mathématiquement cohérente.

La justification vint des décennies plus tard, d'une branche de la physique apparemment sans rapport. Les chercheurs qui étudiaient la magnétisation découvrirent que la renormalisation ne concernait aucunement les infinis. Elle évoquait plutôt la séparation de l'univers en domaines de tailles distinctes, point de vue qui guide aujourd'hui de nombreux domaines de la physique.

La renormalisation, écrit David Tong, théoricien à l'université de Cambridge, est "sans doute l'avancée la plus importante de ces 50 dernières années dans le domaine de la physique théorique".

L'histoire de deux charges

Selon certains critères, les théories des champs sont les théories les plus fructueuses de toute la science. La théorie de l'électrodynamique quantique (QED), qui constitue l'un des piliers du modèle standard de la physique des particules, a permis de faire des prédictions théoriques qui correspondent aux résultats expérimentaux avec une précision d'un sur un milliard.

Mais dans les années 1930 et 1940, l'avenir de la théorie était loin d'être assuré. L'approximation du comportement complexe des champs donnait souvent des réponses absurdes et infinies, ce qui amena certains théoriciens à penser que les théories des champs étaient peut-être une impasse.

Feynman et d'autres cherchèrent de toutes nouvelles perspectives - éventuellement même susceptibles de ramener les particules sur le devant de la scène - mais ils finirent par trouver un moyen de contourner l'obstacle. Ils constatèrent que les équations QED  permettaient d'obtenir des prédictions respectables, à condition qu'elles soient corrigées par la procédure impénétrable de renormalisation.

L'exercice est le suivant. Lorsqu'un calcul QED conduit à une somme infinie, il faut l'abréger. Mettez la partie qui tend vers l'infini dans un coefficient - un nombre fixe - placé devant la somme. Remplacez ce coefficient par une mesure finie provenant du laboratoire. Enfin, laissez la somme nouvellement apprivoisée retourner à l'infini.

Pour certains, cette méthode s'apparente à un jeu de dupes. "Ce ne sont tout simplement pas des mathématiques raisonnables", écrivit Paul Dirac, théoricien quantique novateur.

Le cœur du problème - germe de sa solution éventuelle - se trouve dans la manière dont les physiciens ont traité la charge de l'électron.

Dans ce schéma la charge électrique provient du coefficient - la valeur qui engloutit l'infini au cours du brassage mathématique. Pour les théoriciens qui s'interrogeaient sur la signification physique de la renormalisation, la théorie QED laissait entendre que l'électron avait deux charges : une charge théorique, qui était infinie, et la charge mesurée, qui ne l'était pas. Peut-être que le noyau de l'électron contenait une charge infinie. Mais dans la pratique, les effets de champ quantique (qu'on peut visualiser comme un nuage virtuel de particules positives) masquaient l'électron, de sorte que les expérimentateurs ne mesuraient qu'une charge nette modeste.

Deux physiciens, Murray Gell-Mann et Francis Low, concrétisèrent cette idée en 1954. Ils ont relié les deux charges des électrons à une charge "effective" qui varie en fonction de la distance. Plus on se rapproche (et plus on pénètre le manteau positif de l'électron), plus la charge est importante.

Leurs travaux furent les premiers à lier la renormalisation à l'idée d'échelle. Ils laissaient entendre que les physiciens quantiques avaient trouvé la bonne réponse à la mauvaise question. Plutôt que de se préoccuper des infinis, ils auraient dû s'attacher à relier le minuscule à l'énorme.

La renormalisation est "la version mathématique d'un microscope", a déclaré Astrid Eichhorn, physicienne à l'université du Danemark du Sud, qui utilise la renormalisation pour ses recherches en théorie de la gravité quantique. "Et inversement, vous pouvez commencer par le système microscopique et faire un zoom arrière. C'est une combinaison de microscope et de télescope".

La renormalisation capture la tendance de la nature à se subdiviser en mondes essentiellement indépendants.

Les aimants sauvent la mise

Un deuxième indice apparut dans le monde de la matière condensée, ici les physiciens s'interrogeaient sur la manière dont un modèle magnétique grossier parvenait à saisir les détails de certaines transformations. Le modèle d'Ising n'était guère plus qu'une grille de flèches atomiques qui ne pouvaient pointer que vers le haut ou vers le bas, mais il prédisait les comportements d'aimants réels avec une perfection improbable.

À basse température, la plupart des atomes s'alignent, ce qui magnétise le matériau. À haute température, ils deviennent désordonnés et le réseau se démagnétise. Mais à un point de transition critique, des îlots d'atomes alignés de toutes tailles coexistent. Il est essentiel de noter que la manière dont certaines quantités varient autour de ce "point critique" semble identique dans le modèle d'Ising, dans les aimants réels de différents matériaux et même dans des systèmes sans rapport, tels que la transition à haute pression où l'eau devient indiscernable de la vapeur d'eau. La découverte de ce phénomène, que les théoriciens ont appelé universalité, était aussi bizarre que de découvrir que les éléphants et les aigrettes se déplacent exactement à la même vitesse de pointe.

Les physiciens n'ont pas pour habitude de s'occuper d'objets de tailles différentes en même temps. Mais ce comportement universel autour des points critiques les obligea à tenir compte de toutes les échelles de longueur à la fois.

Leo Kadanoff, chercheur dans le domaine de la matière condensée, a compris comment procéder en 1966. Il a mis au point une technique de "spin par blocs", en décomposant une grille d'Ising trop complexe pour être abordée de front, en blocs modestes comportant quelques flèches par côté. Il calcula l'orientation moyenne d'un groupe de flèches et  remplaça tout le bloc par cette valeur. En répétant le processus, il lissa les détails fins du réseau, faisant un zoom arrière pour comprendre le comportement global du système.

Enfin, Ken Wilson -  ancien étudiant de Gell-Mann qui avait les pieds tant dans le monde de la physique des particules et de la matière condensée -  réunit les idées de Gell-Mann et de Low avec celles de Kadanoff. Son "groupe de renormalisation", qu'il décrivit pour la première fois en 1971, justifiait les calculs tortueux de la QED et a fourni une échelle permettant de gravir les échelons des systèmes universels. Ce travail a valu à Wilson un prix Nobel et a changé la physique pour toujours.

Selon Paul Fendley, théoricien de la matière condensée à l'université d'Oxford, la meilleure façon de conceptualiser le groupe de renormalisation de Wilson est de le considérer comme une "théorie des théories" reliant le microscopique au macroscopique.

Considérons la grille magnétique. Au niveau microscopique, il est facile d'écrire une équation reliant deux flèches voisines. Mais extrapoler cette simple formule à des trillions de particules est en fait impossible. Vous raisonnez à la mauvaise échelle.

Le groupe de renormalisation de Wilson décrit la transformation d'une théorie des éléments constitutifs en une théorie des structures. On commence avec une théorie de petits éléments, par exemple les atomes d'une boule de billard. On tourne la manivelle mathématique de Wilson et on obtient une théorie connexe décrivant des groupes de éléments, par exemple les molécules d'une boule de billard. En continuant de tourner la manivelle, on obtient des groupes de plus en plus grands - grappes de molécules de boules de billard, secteurs de boules de billard, et ainsi de suite. Finalement, vous voilà en mesure de calculer quelque chose d'intéressant, comme la trajectoire d'une boule de billard entière.

Telle est la magie du groupe de renormalisation : Il permet d'identifier les quantités à grande échelle qu'il est utile de mesurer et les détails microscopiques alambiqués qui peuvent être ignorés. Un surfeur s'intéresse à la hauteur des vagues, et non à la bousculade des molécules d'eau. De même, en physique subatomique, la renormalisation indique aux physiciens quand ils peuvent s'occuper d'un proton relativement simple plutôt que de son enchevêtrement de quarks intérieurs.

Le groupe de renormalisation de Wilson suggère également que les malheurs de Feynman et de ses contemporains venaient du fait qu'ils essayaient de comprendre l'électron d'infiniment près. "Nous ne nous attendons pas à ce que  ces théories soient valables jusqu'à des échelles [de distance] arbitrairement petites", a déclaré James Fraser, philosophe de la physique à l'université de Durham, au Royaume-Uni. Ajoutant : "La coupure absorbe notre ignorance de ce qui se passe aux niveaux inférieurs".

En d'autres termes, la QED et le modèle standard ne peuvent tout simplement pas dire quelle est la charge nue de l'électron à une distance de zéro nanomètre. Il s'agit de ce que les physiciens appellent des théories "effectives". Elles fonctionnent mieux sur des distances bien définies. L'un des principaux objectifs de la physique des hautes énergies étant de découvrir ce qui se passe exactement lorsque les particules deviennent encore plus proches.

Du grand au petit

Aujourd'hui, le "dippy process" de Feynman est devenu aussi omniprésent en physique que le calcul, et ses mécanismes révèlent les raisons de certains des plus grands succès de la discipline et de ses défis actuels. Avec la renormalisation, les câpres submicroscopiques compliqués ont tendance à disparaître. Ils sont peut-être réels, mais ils n'ont pas d'incidence sur le tableau d'ensemble. "La simplicité est une vertu", a déclaré M. Fendley. "Il y a un dieu là-dedans.

Ce fait mathématique illustre la tendance de la nature à se diviser en mondes essentiellement indépendants. Lorsque les ingénieurs conçoivent un gratte-ciel, ils ignorent les molécules individuelles de l'acier. Les chimistes analysent les liaisons moléculaires mais ignorent superbement les quarks et les gluons. La séparation des phénomènes par longueur, quantifiée par le groupe de renormalisation, a permis aux scientifiques de passer progressivement du grand au petit au cours des siècles, plutôt que briser toutes les échelles en même temps.

En même temps, l'hostilité de la renormalisation à l'égard des détails microscopiques va à l'encontre des efforts des physiciens modernes, avides de signes du domaine immédiatement inférieur. La séparation des échelles suggère qu'ils devront creuser en profondeur pour surmonter le penchant de la nature à dissimuler ses points les plus fins à des géants curieux comme nous.

"La renormalisation nous aide à simplifier le problème", explique Nathan Seiberg, physicien théoricien à l'Institute for Advanced Study de Princeton, dans le New Jersey. Mais "elle cache aussi ce qui se passe à très courte distance. On ne peut pas avoir le beurre et l'argent du beurre".

La logique qui doit sous-tendre une nouvelle physique

La philosophe Karen Crowther étudie comment le tissu espace-temps pourrait émerger de quelque chose de non spatio-temporel.

La recherche de la théorie quantique de la gravité " soulève cette question ", explique Karen Crowther :  " Comment passe-t-on de cette théorie plus fondamentale à l’espace-temps ? "

Ce fut déjà un changement radical, au siècle dernier, de passer de l'espace absolu et du temps universel d'Isaac Newton à l'espace-temps à quatre dimensions d'Albert Einstein, dynamique, flexible, sensible au toucher. La théorie de la relativité générale d'Einstein a montré que la masse et l'énergie déforment la géométrie de l'espace-temps, dessinant d'étranges contours pour l'univers,  soudain devenu un lieu qui peut commencer ou finir.

Les physiciens avaient à peine commencé à comprendre ce changement qu’ils se rendirent compte que la relativité générale contenait les germes de sa propre disparition. La déformation pouvait devenir pathologique, l’espace-temps se courbant sur lui-même jusqu’à se déchirer, créant une brèche appelée singularité. Personne ne pouvait dire si les singularités étaient des déchirures dans l’univers ou des déchirures dans la théorie. Quoi qu’il en soit, l’espace-temps tel que décrit par la relativité générale ne pouvait être l’ingrédient ultime de la réalité. Et en effet, la relativité générale est en conflit avec l’autre théorie profondément réussie du XXe siècle, la mécanique quantique. Les physiciens se sont donc mis en quête d’une théorie plus profonde – une théorie de la gravité quantique – qui pourrait potentiellement décrire le monde au-delà de l’espace et du temps.

Ils sont toujours en quête de cette théorie, mais même s'ils parviennent à la trouver ils auront encore besoin d'autre chose : un pont vers l'espace-temps tel que nous le connaissons. Nous avons besoin non seulement d'une théorie de la gravité quantique, mais aussi d'une théorie de la façon dont la relativité générale en émerge. Avec un pied dans l'espace-temps et l'autre à l'extérieur, à quoi pourrait bien ressembler ce pont ?

Karen Crowther est une philosophe australienne de la physique à l'Université d'Oslo en Norvège. Auteure du manuel Effective Spacetime: Understanding Emergence in Effective Field Theory and Quantum Gravity ( 2016 ), elle fait partie d'une communauté de philosophes qui étudient l'espace-temps émergent et toutes les façons dont ce double concept remet en question nos modes de pensée habituels. Comment, demande-t-elle, pouvons-nous concevoir les lois de la physique, la causalité ou même l'univers sans espace-temps ? Et comment construire un pont vers l'espace-temps lorsque le pont lui-même ne peut pas y vivre

Quanta a interviewé Crowther quant à ce que signifie penser en dehors du cadre spatio-temporel. L'interview est ici condensée et éditée pour plus de clarté.

- En quoi la recherche d’une théorie de la gravité quantique est-elle différente de la science normale ?

- En général, lorsque nous cherchons une nouvelle théorie, nous sommes motivés par une sorte de préoccupation empirique. Nous avons vu quelque chose dans le monde qui ne correspond pas à ce que prédisent nos théories, ou la théorie prédit quelque chose que nous n’observons pas dans le monde. Dans le cas de la gravité quantique, ce n’est pas le cas. Il s’agit plutôt d’une question de cohérence ou d’unification théorique. Nous avons ces deux visions contradictoires : la théorie quantique et la relativité générale. Elles disent des choses différentes sur le monde. Nous voulons donc une certaine cohérence. Mais les endroits [comme l’intérieur des trous noirs ou le Big Bang] où  mettre les deux théories ensemble sont des lieux que nous ne pouvons pas tester directement ou auxquels nous ne pouvons pas accéder. Peut-être pas maintenant, peut-être jamais.

(photo : Crowther donne une conférence intitulée " Pensez par vous-même ! " dans l'auditorium Arne Næss de l'université d'Oslo.)

- Pourquoi les singularités de la relativité générale impliquent-elles que l’espace-temps ne peut pas être la réalité ultime ?

- Nous tendons à considérer ces singularités comme un " trou ", un orifice vide,  ou un " point manquant " de l'espace-temps. Mais ce n'est pas vraiment le cas, car où se situerait pareil vide ? Par définition, il ne se trouve nulle part dans l'espace-temps. Alors, où donc la relativité générale s'effondre-t-elle exactement ? Il n'est pas vraiment possible de répondre à cette question, puisque nous parlons de la rupture de l'espace-temps lui-même.

Un certain genre de singularité sera par exemple une  trajectoire dans l'espace-temps qui tout simplement se termine, ce qui signifie que les objets qui suivent pareille trajectoire peuvent entrer et sortir de l'existence de manière aléatoire. Les singularités introduisent l'imprévisibilité et l'indéterminisme. Voilà qui pourrait indiquer que la relativité générale est incomplète et qu'une théorie de la gravité quantique doit la remplacer.

Ensuite, nous avons les singularités de courbure, qui correspondent à peu près à l'idée d'une courbure de l'espace-temps qui " explose ", qui augmente sans limite. Elles sont également assez inquiétantes, car elles signifieraient qu'existent des forces de marée illimitées capables de tout mettre en lambeaux. Le consensus parmi les physiciens est que ces singularités ne sont que des problèmes de théorie.

- L'idée est que l'espace-temps émerge d'une théorie plus profonde. D'un point de vue philosophique, comment expliquer que l'espace-temps est émergent ?

- Cela signifie qu'il y a quelque chose de plus fondamental, et que l'espace-temps n'existe à notre niveau que comme un genre  d'approximation.

Il existe une idée selon laquelle toutes les explications pointent vers l'infiniment petit. Les petites choses sont plus fondamentales que les grandes, les atomes et les particules quantiques sont plus fondamentaux que les tables et les chaises.

Mais si nous pensons que la gravité quantique décrit une physique non spatio-temporelle, nous ne pouvons plus parler d'échelles de longueur. L'idée même de mesure s'effondre.  La gravité quantique ne peut donc pas être plus fondamentale simplement parce qu'elle décrit des phénomènes plus petits ; elle doit être plus fondamentale parce qu'elle décrit des phénomènes plus nombreux. (Et élargir le cadre ? note de MG).

On craint, comme le dit le philosophe Tim Maudlin , que toute théorie qui ne prend pas en compte l'espace-temps soit empiriquement incohérente. Lorsque nous testons nos théories, nous faisons des expériences dans l'espace et le temps ; nous observons les valeurs d'un cadran, qui est un point spatio-temporel, la position de l'aiguille à un moment donné. Donc, si nous avons une théorie sans espace-temps - qui ne contient pas de choses détectables localement, comment pouvons-nous la tester ?

Le moyen de résoudre ce problème serait alors de récupérer, ou de dériver, l'espace-temps à partir d'un processus-théorie non spatio-temporel. Ici l'émergence est nécessaire pour faire ce lien.

- Comment cela pourrait-il fonctionner ?

- On peut par exemple considérer l’émergence comme une hiérarchie de niveaux. Si on pense aux vagues, à un niveau, il y a des molécules, puis lorsque on en rassemble un grand nombre et qu'on zoome vers une énergie plus faible ou des distances plus grandes, se dessine alors le phénomène émergent de la vague. Dans un cadre spatio-temporel, l’espace-temps serait l'émersion du comportement collectif de ses éléments constitutifs les plus fondamentaux, de " ses atomes " peut-être. Le problème étant que nous sommes réduits à définir l’idée de niveaux en termes de longueurs spatiales.

Une autre idée est celle de l’émergence de quelque chose d'antérieur – par exemple, un papillon émergeant d’une chenille ou d’une chrysalide. Il subit une transformation complète. Ce serait comme parler du Big Bang avant l’apparition de l’espace-temps.

Le véritable défi en matière d'émergence consiste donc à donner sens à la relation entre ce qui émerge et d'où celà émerge. Sans ce lien, pas d'émergence. Et ce lien lui-même ne peut être spatial ou temporel.

- Nos idées habituelles sur l'émergence intègrent déjà l'espace et le temps, et nous avons maintenant besoin d'une nouvelle façon de les appréhender. À quoi cela pourrait-il ressembler ?

- J'aime comprendre cela sous forme de trois caractéristiques : la dépendance, la nouveauté et l'autonomie. La physique moins fondamentale dépend d'une certaine manière d'une physique plus fondamentale – l'espace-temps résultant de la physique de la gravité quantique. Cela serait démontré si la relativité générale pouvait être déduite de la gravité quantique. Mais l'espace-temps et son comportement sont très différents de la physique de la gravité quantique sous-jacente, il y a donc un élément de nouveauté – par exemple, si la physique sous-jacente n'est pas spatio-temporelle. Et enfin, le comportement de l'espace-temps semble également quelque peu autonome, ou indépendant, de la physique gravitationnelle quantique particulière dont il émerge.

- La physique de la gravité quantique suggère-t-elle que l’espace et le temps ne sont peut-être que des concepts que nous utilisons et non la matière même du monde ?

- Il y a cette idée [ du philosophe du XVIIIe siècle Emmanuel Kant ] selon laquelle nous devons imposer des concepts spatiotemporels au monde, car nous pensons nécessairement en termes d'espace et de temps, et il nous est très, très difficile de travailler sans ces concepts. Toute la physique connue les utilise. Alors comment conceptualisons-nous ce que nous faisons avec la gravité quantique ? Nous dessinons ces diagrammes dans [ nos théories de la gravité quantique ]. Mais en dessinant ces choses, nous les représentons spatio-temporellement, car nous ne savons pas faire autrement... alors qu'on ne peut pas les considérer comme étant réellement quelque part.  Alors se pose la question : qu'en est-il de la physique ? Que faisons-nous ? Avons-nous repoussé les limites de ce que nous sommes capables de faire ?

Kant pensait que l'espace était si fondamental que nous ne pouvions pas nous en passer. Il considérait la géométrie comme euclidienne ; il ne pouvait rien imaginer d'autre. [ Note de l'éditeur : l'espace euclidien est plat, ce qui signifie que la somme des angles intérieurs d'un triangle est égale à 180 degrés ].  Et cela s'est avéré faux : la théorie d'Einstein a révélé que nous pouvons avoir différentes géométries déformées. Ce qui indique que même si nous pensons qu'il existe des concepts que nous devons nécessairement utiliser, il pourrait en exister d'autres.

(photo : Karen Crowther attend le bus en route vers l'université.) 

- Y a-t-il une approche que vous trouvez la plus prometteuse ou la plus intéressante sur le plan philosophique ?

- La théorie des cordes est très intéressante en raison de l'idée de dualité. Différentes formes de théorie des cordes décrivent des structures d'espace-temps très différentes, avec des dimensions variables, et pourtant elles s'équivalentes les unes aux autres. On ne peut pas dire laquelle est la plus émergente. Il me semble donc qu'il faut pointer vers quelque chose de plus profond.

- Sans preuve empirique, voire même sans possibilité de preuve, les chercheurs en gravitation quantique semblent accorder plus de poids que d’habitude aux principes, aux expériences de pensée, voire à des qualités comme la simplicité et l’élégance. Comment ces critères se situent-ils par rapport à l’histoire des sciences ? S’agit-il encore de science ?

- Je m’intéresse aux principes de base que les gens appliquent et aussi ce qu'on peut attendre d'une théorie de la gravité quantique. Tous ces principes ou contraintes ne s'accordent pas bien entre eux. Il se peut donc que nous devions en abandonner ou en modifier certains. Je me suis récemment demandée quelle serait la contrainte la plus fondamentale de la gravité quantique. Je pense que c'est quelque chose qui touche à la cohérence. Nous essayons d'unifier la relativité générale avec la mécanique quantique pour obtenir une image cohérente de l'univers. Nous voulons que les mathématiques soient également cohérentes.  Lorsque nous sommes à la recherche de nouvelles théories, la physique devient toujours philosophique.*

De nouveaux outils d’IA prédisent comment les blocs de construction de la vie s’assemblent

AlphaFold3 de Google DeepMind et d'autres algorithmes d'apprentissage profond peuvent désormais prédire la forme des complexes en interaction de protéines, d'ADN, d'ARN et d'autres molécules, capturant ainsi mieux les paysages biologiques des cellules.

Les protéines sont les machines moléculaires qui soutiennent chaque cellule et chaque organisme, et savoir à quoi elles ressemblent sera essentiel pour comprendre comment elles fonctionnent normalement et fonctionnent mal en cas de maladie. Aujourd’hui, les chercheurs ont fait un grand pas en avant vers cet objectif grâce au développement de nouveaux algorithmes d’apprentissage automatique capables de prédire les formes rdéployées et repliées non seulement des protéines mais aussi d’autres biomolécules avec une précision sans précédent.

Dans un article publié aujourd'hui dans Nature , Google DeepMind et sa société dérivée Isomorphic Labs ont annoncé la dernière itération de leur programme AlphaFold, AlphaFold3, capable de prédire les structures des protéines, de l'ADN, de l'ARN, des ligands et d'autres biomolécules, seuls ou liés ensemble dans différentes configurations. Les résultats font suite à une mise à jour similaire d'un autre algorithme de prédiction de structure d'apprentissage profond, appelé RoseTTAFold All-Atom, publié en mars dans Science .

Même si les versions précédentes de ces algorithmes pouvaient prédire la structure des protéines – une réussite remarquable en soi – elles ne sont pas allées assez loin pour dissiper les mystères des processus biologiques, car les protéines agissent rarement seules. "Chaque fois que je donnais une conférence AlphaFold2, je pouvais presque deviner quelles seraient les questions", a déclaré John Jumper, qui dirige l'équipe AlphaFold chez Google DeepMind. "Quelqu'un allait lever la main et dire : 'Oui, mais ma protéine interagit avec l'ADN.' Pouvez-vous me dire comment ?' " Jumper devrait bien admettre qu'AlphaFold2 ne connaissait pas la réponse.

Mais AlphaFold3 pourrait le faire. Avec d’autres algorithmes d’apprentissage profond émergents, il va au-delà des protéines et s’étend sur un paysage biologique plus complexe et plus pertinent qui comprend une bien plus grande diversité de molécules interagissant dans les cellules.

" On découvre désormais toutes les interactions complexes qui comptent en biologie ", a déclaré Brenda Rubenstein , professeure agrégée de chimie et de physique à l'Université Brown, qui n'a participé à aucune des deux études. " On commence à avoir une vision plus large."

Comprendre ces interactions est " fondamental pour la fonction biologique ", a déclaré Paul Adams , biophysicien moléculaire au Lawrence Berkeley National Laboratory qui n’a également participé à aucune des deux études. " Les deux groupes ont fait des progrès significatifs pour résoudre ce problème. "

Les deux algorithmes ont leurs limites, mais ils ont le potentiel d’évoluer vers des outils de prédiction encore plus puissants. Dans les mois à venir, les scientifiques commenceront à les tester et, ce faisant, ils révéleront à quel point ces algorithmes pourraient être utiles.

Progrès de l’IA en biologie

L’apprentissage profond est une variante de l’apprentissage automatique vaguement inspirée du cerveau humain. Ces algorithmes informatiques sont construits à l’aide de réseaux complexes de nœuds d’information (appelés neurones) qui forment des connexions en couches les unes avec les autres. Les chercheurs fournissent au réseau d’apprentissage profond des données d’entraînement, que l’algorithme utilise pour ajuster les forces relatives des connexions entre les neurones afin de produire des résultats toujours plus proches des exemples d’entraînement. Dans le cas des systèmes d'intelligence artificielle protéique, ce processus amène le réseau à produire de meilleures prédictions des formes des protéines sur la base de leurs données de séquence d'acides aminés.

AlphaFold2, sorti en 2021, a constitué une avancée majeure dans l’apprentissage profond en biologie. Il a ouvert la voie à un monde immense de structures protéiques jusque-là inconnues et est déjà devenu un outil utile pour les chercheurs qui cherchent à tout comprendre, depuis les structures cellulaires jusqu'à la tuberculose. Cela a également inspiré le développement d’outils supplémentaires d’apprentissage biologique profond. Plus particulièrement, le biochimiste David Baker et son équipe de l’Université de Washington ont développé en 2021 un algorithme concurrent appelé RoseTTAFold , qui, comme AlphaFold2, prédit les structures protéiques à partir de séquences de données.

Depuis, les deux algorithmes ont été mis à jour avec de nouvelles fonctionnalités. RoseTTAFold Diffusion pourrait être utilisé pour concevoir de nouvelles protéines qui n’existent pas dans la nature. AlphaFold Multimer pourrait étudier l’interaction de plusieurs protéines. " Mais ce que nous avons laissé sans réponse ", a déclaré Jumper, " était : comment les protéines communiquent-elles avec le reste de la cellule ? "

Le succès des premières itérations d'algorithmes d'apprentissage profond de prédiction des protéines reposait sur la disponibilité de bonnes données d'entraînement : environ 140 000 structures protéiques validées qui avaient été déposées pendant 50 ans dans la banque de données sur les protéines. De plus en plus, les biologistes ont également déposé les structures de petites molécules, d'ADN, d'ARN et leurs combinaisons. Dans cette expansion de l'algorithme d'AlphaFold pour inclure davantage de biomolécules, " la plus grande inconnue ", a déclaré Jumper, "est de savoir s'il y aurait suffisamment de données pour permettre à l'algorithme de prédire avec précision les complexes de protéines avec ces autres molécules."

Apparemment oui. Fin 2023, Baker puis Jumper ont publié les versions préliminaires de leurs nouveaux outils d’IA, et depuis, ils soumettent leurs algorithmes à un examen par les pairs.

Les deux systèmes d'IA répondent à la même question, mais les architectures sous-jacentes de leurs méthodes d'apprentissage profond diffèrent, a déclaré Mohammed AlQuraishi , biologiste des systèmes à l'Université de Columbia qui n'est impliqué dans aucun des deux systèmes. L'équipe de Jumper a utilisé un processus appelé diffusion – technologie qui alimente la plupart des systèmes d'IA génératifs non basés sur du texte, tels que Midjourney et DALL·E, qui génèrent des œuvres d'art basées sur des invites textuelles, a expliqué AlQuraishi. Au lieu de prédire directement la structure moléculaire puis de l’améliorer, ce type de modèle produit d’abord une image floue et l’affine de manière itérative.

D'un point de vue technique, il n'y a pas de grand saut entre RoseTTAFold et RoseTTAFold All-Atom, a déclaré AlQuraishi. Baker n'a pas modifié massivement l'architecture sous-jacente de RoseTTAFold, mais l'a mise à jour pour inclure les règles connues des interactions biochimiques. L'algorithme n'utilise pas la diffusion pour prédire les structures biomoléculaires. Cependant, l'IA de Baker pour la conception de protéines le fait. La dernière itération de ce programme, connue sous le nom de RoseTTAFold Diffusion All-Atom, permet de concevoir de nouvelles biomolécules en plus des protéines.

" Le type de dividendes qui pourraient découler de la possibilité d'appliquer les technologies d'IA générative aux biomolécules n'est que partiellement réalisé grâce à la conception de protéines", a déclaré AlQuraishi. "Si nous pouvions faire aussi bien avec de petites molécules, ce serait incroyable." 

Évaluer la concurrence

Côte à côte, AlphaFold3 semble être plus précis que RoseTTAFold All-Atom. Par exemple, dans leur analyse dans Nature , l'équipe de Google a constaté que leur outil est précis à environ 76 % pour prédire les structures des protéines interagissant avec de petites molécules appelées ligands, contre une précision d'environ 42 % pour RoseTTAFold All-Atom et 52 % pour le meilleur. outils alternatifs disponibles.

Les performances de prédiction de structure d'AlphaFold3 sont " très impressionnantes ", a déclaré Baker, " et meilleures que celles de RoseTTAFold All-Atom ".

Toutefois, ces chiffres sont basés sur un ensemble de données limité qui n'est pas très performant, a expliqué AlQuraishi. Il ne s’attend pas à ce que toutes les prédictions concernant les complexes protéiques obtiennent un score aussi élevé. Et il est certain que les nouveaux outils d’IA ne sont pas encore assez puissants pour soutenir à eux seuls un programme robuste de découverte de médicaments, car cela nécessite que les chercheurs comprennent des interactions biomoléculaires complexes. Pourtant, " c'est vraiment prometteur ", a-t-il déclaré, et nettement meilleur que ce qui existait auparavant.

Adams est d'accord. "Si quelqu'un prétend pouvoir utiliser cela demain pour développer des médicaments avec précision, je n'y crois pas", a-t-il déclaré. " Les deux méthodes sont encore limitées dans leur précision, [mais] les deux constituent des améliorations spectaculaires par rapport à ce qui était possible. "

(Image gif, tournante, en 3D : AlphaFold3 peut prédire la forme de complexes biomoléculaires, comme cette protéine de pointe provenant d'un virus du rhume. Les structures prédites de deux protéines sont visualisées en bleu et vert, tandis que les petites molécules (ligands) liées aux protéines sont représentées en jaune. La structure expérimentale connue de la protéine est encadrée en gris.)

Ils seront particulièrement utiles pour créer des prédictions approximatives qui pourront ensuite être testées informatiquement ou expérimentalement. Le biochimiste Frank Uhlmann a eu l'occasion de pré-tester AlphaFold3 après avoir croisé un employé de Google dans un couloir du Francis Crick Institute de Londres, où il travaille. Il a décidé de rechercher une interaction protéine-ADN qui était " vraiment déroutante pour nous ", a-t-il déclaré. AlphaFold3 a craché une prédiction qu'ils testent actuellement expérimentalement en laboratoire. "Nous avons déjà de nouvelles idées qui pourraient vraiment fonctionner", a déclaré Uhlmann. " C'est un formidable outil de découverte. "

Il reste néanmoins beaucoup à améliorer. Lorsque RoseTTAFold All-Atom prédit les structures de complexes de protéines et de petites molécules, il place parfois les molécules dans la bonne poche d'une protéine mais pas dans la bonne orientation. AlphaFold3 prédit parfois de manière incorrecte la chiralité d'une molécule – l'orientation géométrique distincte " gauche " ou " droite " de sa structure. Parfois, il hallucine ou crée des structures inexactes.

Et les deux algorithmes produisent toujours des images statiques des protéines et de leurs complexes. Dans une cellule, les protéines sont dynamiques et peuvent changer en fonction de leur environnement : elles se déplacent, tournent et passent par différentes conformations. Il sera difficile de résoudre ce problème, a déclaré Adams, principalement en raison du manque de données de formation. " Ce serait formidable de déployer des efforts concertés pour collecter des données expérimentales conçues pour éclairer ces défis ", a-t-il déclaré.

Un changement majeur dans le nouveau produit de Google est qu'il ne sera pas open source. Lorsque l’équipe a publié AlphaFold2, elle a publié le code sous-jacent, qui a permis aux biologistes de reproduire et de jouer avec l’algorithme dans leurs propres laboratoires. Mais le code d'AlphaFold3 ne sera pas accessible au public.

 " Ils semblent décrire la méthode en détail. Mais pour le moment, au moins, personne ne peut l’exécuter et l’utiliser comme il l’a fait avec [AlphaFold2] ", a déclaré AlQuraishi. C’est " un grand pas en arrière. Nous essaierons bien sûr de le reproduire."

Google a cependant annoncé qu'il prenait des mesures pour rendre le produit accessible en proposant un nouveau serveur AlphaFold aux biologistes exécutant AlphaFold3. Prédire les structures biomoléculaires nécessite une tonne de puissance de calcul : même dans un laboratoire comme Francis Crick, qui héberge des clusters informatiques hautes performances, il faut environ une semaine pour produire un résultat, a déclaré Uhlmann. En comparaison, les serveurs plus puissants de Google peuvent faire une prédiction en 10 minutes, a-t-il déclaré, et les scientifiques du monde entier pourront les utiliser. "Cela va démocratiser complètement la recherche sur la prédiction des protéines", a déclaré Uhlmann.

Le véritable impact de ces outils ne sera pas connu avant des mois ou des années, alors que les biologistes commenceront à les tester et à les utiliser dans la recherche. Et ils continueront à évoluer. La prochaine étape de l'apprentissage profond en biologie moléculaire consiste à " gravir l'échelle de la complexité biologique ", a déclaré Baker, au-delà même des complexes biomoléculaires prédits par AlphaFold3 et RoseTTAFold All-Atom. Mais si l’histoire de l’IA en matière de structure protéique peut prédire l’avenir, alors ces modèles d’apprentissage profond de nouvelle génération continueront d’aider les scientifiques à révéler les interactions complexes qui font que la vie se réalise.

" Il y a tellement plus à comprendre ", a déclaré Jumper. "C'est juste le début."

La signification des meuglements des vaches, et autres histoires animales surprenantes
Vous pensez bien connaître les animaux? Pourtant les scientifiques qui les étudient leur découvrent régulièrement de nouvelles habiletés, intelligences et savoir-être étonnants.

C'est ce que raconte la journaliste spécialiste des sciences Aline Richard Zivohlava dans son ouvrage "Dans la peau des bêtes", paru en mai aux éditions Plon. Elle se glisse dans la peau de différents animaux pour un récit à la première personne. Nous en publions ci-dessous des extraits. Le titre et les intertitres sont de la rédaction de Slate.

Les corbeaux clairvoyants
L’histoire des Corneilles noires de la ville de Sendai, au Japon, a fait le tour du monde. À des branches de noyer plantés le long des routes pendaient de savoureuses noix, mais elles étaient, dans leurs coques vertes, inaccessibles à nos becs. C’est alors que mes congénères ont appris le code de la route. Au feu rouge, l’oiseau dépose sa noix devant la voiture, qui l’écrase au feu vert, et dont les fragments sont récupérés au feu rouge suivant. Malin, non? Et même carrément intelligent.

Les recherches scientifiques de ces dernières années ont révélé des capacités insoupçonnées chez les corvidés, en particulier dans le domaine de la cognition. Certains de nos savoir-faire avaient pourtant été remarqués dans le passé, mais vous n’aviez pas su les analyser… Vous rappelez-vous d’Ésope, le fabuliste qui a commis "Le Corbeau et le Renard", que nous critiquions tout à l’heure? Nous lui avons volontiers pardonné son écart puisqu’il a rendu hommage à l’ingéniosité de la corneille dans la comptine suivante: "La Corneille ayant soif, trouva par hasard une cruche où il y avait un peu d’eau; mais comme la cruche était trop profonde, elle n’y pouvait atteindre pour se désaltérer. Elle essaya d’abord de rompre la cruche avec son bec; mais n’en pouvant venir à bout, elle s’avisa d’y jeter plusieurs petits cailloux, qui firent monter l’eau jusqu’au bord de la cruche. Alors elle but tout à son aise."

Deux douzaines de siècles plus tard, en 2014, cette fable a été reproduite dans un laboratoire de l’université d’Auckland, en Nouvelle-Zélande. Des chercheurs ont voulu savoir si différents corvidés –Corbeaux calédoniens, Corbeaux freux et Geais des chênes– se montraient aussi clairvoyants que l’oiseau du fabuliste. Expérience réussie: soit deux tubes de verre, un large et un étroit, reliés entre eux par un mécanisme de vases communicants et à moitié remplis d’eau. Dans le premier, un morceau de liège flotte, agrémenté d’un morceau de viande. Tube trop étroit pour y plonger le bec. Les oiseaux ont dû trouver un moyen d’atteindre la nourriture: ils ont jeté des petits cailloux dans le tube large ne contenant pas le morceau de viande, pour faire monter l’eau dans le second tube étroit, et récupérer la récompense. C’est ce que l’on appelle effectuer une relation de cause à effet. Incroyable, quand on sait que, soumis au même test, les petits humains ne le réussissent que vers l’âge de 7 ans.

Les corbeaux sont capables de se priver dans l’immédiat pour une meilleure récompense dans le futur, une opération cognitive complexe.

La conclusion semble couler de source: des corbeaux aussi intelligents que vous, à l’âge de raison des petits humains! Mais au risque de décevoir mes congénères, je n’irai pas jusque-là. Rien ne prouve en effet que les mécanismes mentaux mis en jeu soient les mêmes pour nos deux espèces. Et la faculté spontanée de raisonner dans l’abstrait par le biais d’un processus d’association n’est pas forcément équivalente à ce que vous, humains, entendez généralement par "intelligence".

Il fallait en savoir plus. Les scientifiques qui nous étudient ont d’abord observé nos capacités cognitives liées à la vie en société. Tout comme vous, les corvidés activent leurs neurones pour améliorer leur cadre de vie, interagir avec leurs semblables, obtenir le meilleur pour eux-mêmes et leurs proches… La gestion de la nourriture est un enjeu majeur pour tout être vivant, et, pour nous autres corbeaux, l’occasion d’exercer notre mémoire et même de se projeter dans l’avenir. Des chercheurs britanniques ont par exemple montré que des geais, qui ont l’habitude de cacher leur nourriture, étaient capables de "classer" leurs aliments en fonction du temps écoulé avant la consommation: ils déterraient d’abord les caches de vers de terre, très appréciés mais périssables, avant celles des cacahuètes, moins goûteuses mais plus durables.

Les corbeaux sont aussi capables de se priver dans l’immédiat pour une meilleure récompense dans le futur, une opération cognitive complexe que vous pensiez réservée aux humains et aux grands singes. Une expérience menée en 2017 à l’université de Lund, en Suède, sur des corbeaux dressés consistait à leur faire choisir une friandise à dévorer tout de suite, ou bien un outil permettant d’ouvrir une boîte contenant une friandise plus grosse, au prix de quinze minutes d’efforts. La plupart des corbeaux ont choisi l’outil. Cela suggère la capacité de contrôle de soi et celle d’anticipation.

S’alimenter, c’est aussi coopérer mais parfois se fâcher quand un comportement est jugé incorrect. Dans une expérimentation menée dans un laboratoire à Vienne, des grands corbeaux ont su s’allier en tirant de concert deux bouts de ficelle pour récupérer deux parts de fromage: si l’un des oiseaux n’avait pas joué le jeu, aucun des deux n’aurait pu en profiter. Mais, dans une autre série d’expériences, il est arrivé qu’un des oiseaux ruse pour s’approprier tout le fromage. L’autre a alors refusé de coopérer plus avant avec le tricheur.

Les poulpes farceurs
Ces dernières années, nombre de nos capacités cognitives ont été découvertes par les scientifiques qui nous observent. Par exemple, notre dextérité au maniement des outils, faculté que l’on pensait réservée aux animaux "supérieurs". En 2009, quatre pieuvres de l’espèce Amphioctopus marginatus, habitantes des eaux chaudes de l’ouest du Pacifique, ont été filmées en train de manipuler des coquilles de noix de coco pour s’en faire une armure de protection contre les prédateurs, puis se balader, ainsi équipées, sur le plancher marin. La vidéo a intéressé les chercheurs…

Et enchanté le grand public: sans être encore aussi populaires que ceux consacrés aux chatons mignons, les films de poulpes malins font les beaux jours de votre Internet. Sur YouTube, 3 millions de vidéos sont disponibles! C’est ainsi que les humains ont pu découvrir les talents d’Inky, notre maître-poulpe de l’évasion. Cantonné dans son aquarium de Nouvelle-Zélande, Inky a profité de l’inattention d’un gardien qui n’avait pas bien fermé son réceptacle pour déverrouiller le dispositif, glisser au sol, et emprunter un tuyau d’un diamètre de 15 centimètres (!) se déversant dans l’océan Pacifique.

Stratégie, adaptation, innovation… Autant de qualités qui marquent, pour le moins, une belle intelligence des situations.Nous sommes aussi capables d’apprendre par observation et de manipuler des règles logiques: facultés d’autant plus étonnantes que nous n’avons pas eu de parents pour nous les enseigner. Des chercheurs ont installé des pieuvres devant un labyrinthe, elles ont su s’orienter en observant des congénères, puis en fonction d’indices visuels mis à leur disposition. Dans une autre expérience, on nous a placées devant cinq portes fermées, chacune marquée d’un symbole. Il fallait trouver celle donnant accès à un crabe, friandise que nous apprécions parmi toutes. Nous avons réussi à repérer la bonne porte, et appris à reconnaître son symbole même quand les scientifiques le changeaient de place. Et nous sommes capables de retenir plusieurs jours ces informations apprises, signe d’une bonne mémoire.

De même, nous jouons: un comportement évolué, peu commun chez les invertébrés. Sarah Zylinski, biologiste à l’université de Leeds, au Royaume-Uni, a observé un poulpe de l’espèce Octopus bimaculoides se livrer au jeu du chat et de la souris avec un crabe. En pleine mer, plusieurs plongeurs qui nous observaient ont eu la surprise de voir un tentacule taquin tenter de leur retirer leur masque à oxygène… En captivité, nous jonglons dans l’aquarium avec les petits cubes en plastique que vous nous envoyez. Et ne croyez pas que nous ne savons pas qui vous êtes.

En 2010, à l’aquarium de Seattle, aux États-Unis, deux membres de l’équipe soignante se sont livrés au jeu bien connu du "bad cop-good cop": l’un nous nourrissait avec douceur, l’autre nous touchait avec un bâton piquant. Après deux semaines, racontent les scientifiques qui ont organisé cette expérience, les huit pieuvres de l’aquarium se comportaient différemment avec l’un et l’autre, habillé pourtant du même uniforme.

En captivité, nous savons parfaitement vous faire passer des messages. La chercheuse de Leeds rapporte que des seiches, impatientes d’être nourries, aspergeaient d’eau leur gardien s’il tardait. Et, dans un parc zoologique en Allemagne, un poulpe est monté sur le bord de son aquarium pour inonder un spot dont la lumière devait le gêner.

La science n’a pas fini de dévoiler tout ce qu’il y a d’extraordinaire en nous. En avril 2017, un article scientifique, fort technique puisqu’il a été publié dans la revue Cell (dédiée à la biologie moléculaire et cellulaire), a suggéré que nous évoluions différemment de presque tous les êtres vivants de la planète: certains d’entre nous sont en effet capables de modifier à plusieurs reprises leur séquence d’ARN (acide ribonucléique, l’autre "molécule du vivant" avec l’ADN) et de l’éditer, pour mieux s’adapter à notre environnement. S’ensuivent, par exemple, des modifications de notre cerveau pour pouvoir prospérer dans des eaux aux températures différentes. Bien pratique en cette période de changements climatiques! Ludovic vous l’avait bien dit: nous sommes de véritables extraterrestres du fond des mers.

Les vaches communiquantes
La vache a ses sens en éveil. À l’inverse de ce que certains stupides imaginent, un regard bovin est un regard expert: une vision à 330 degrés, sans bouger la tête, qu’en dites-vous? Il est vrai que nous sommes plutôt myopes, et distinguons bien mieux les tendres pousses dans le pré qu’un véhicule arrivant au loin. Mais notre ouïe très fine y pallie. Les vaches distinguent les ultrasons (jusqu’à 35.000 hertz), tout comme les basses fréquences et les très faibles volumes sonores. Et puis, il y a notre odorat. C’est notre sens premier, il nous distingue et organise notre vie sociale. Les odeurs disent notre âge, nos besoins sexuels, notre place dans la hiérarchie du troupeau, notre niveau de stress. On se renifle et on se lèche entre vaches, et on approche nos mufles des humains à l’approche: il s’agit de flairer l’éleveur, le vétérinaire que l’on connaît, et de s’inquiéter de la présence d’un intrus à l’odeur inconnue.

En 2015, en Suisse, des chercheurs de l’École polytechnique de Zurich se sont livrés à une analyse acoustique de troupeaux pour tenter de comprendre ce que les vaches se disent. Lors des naissances de nos veaux et cela durant trois à quatre semaines, nous parlons à nos petits le mufle à moitié fermé pour produire un son grave. Et à l’inverse, quand on nous les retire, nous produisons un meuglement dans les fréquences hautes. De même, les veaux nous appellent plutôt dans les aigus.

De l’avis des scientifiques et des professionnels, fermiers et éleveurs qui nous côtoient, notre cri d’espèce, émis jusqu’à une cinquantaine de fois dans la journée, exprime une grande variété de situations et d’états: faim, soif, chaud, froid, souffrance, désir, appels…

Quant à vous, on dirait que nos "meuh" vous fascinent. Vous tentez parfois de nous imiter, bizarre! des humains qui singent les vaches! Mais vous n’êtes même pas fichus de vous entendre sur le son à produire… "Meuh" en France ; "moo" chez les Anglo-Saxons; "muh" pour les Allemands et les Danois; et "mō" du côté du Japon. Un plaisantin est même allé jusqu’à fabriquer ce qu’il a appelé une "boîte à meuh" pour faire rire ses semblables, on se demande vraiment pourquoi. Laquelle boîte a au moins eu une utilité: le docteur Lucien Moatti l’a calibrée pour le dépistage néonatal de la surdité des bébés humains. Si l’enfant tourne la tête au son de la vache, c’est qu’il entend bien…

La majeure partie de la vie sur Terre est en sommeil, après avoir activé un " frein d’urgence"

De nombreux microbes et cellules dorment profondément, attendant le bon moment pour s’activer. Les biologistes ont découvert une protéine largement répandue qui arrête brusquement l'activité d'une cellule et la réactive tout aussi rapidement.

(Photo : Lorsque les choses se compliquent, de nombreux microbes entrent en dormance. De nouvelles recherches ont découvert une protéine omniprésente qui arrête instantanément la production de protéines dans une cellule.)

Des chercheurs ont récemment rapporté la découverte d'une protéine naturelle, appelée Balon, qui peut stopper brutalement la production de nouvelles protéines par une cellule. Balon a été trouvé dans des bactéries qui hibernent dans le pergélisol arctique, mais il semble également être fabriqué par de nombreux autres organismes et pourrait être un mécanisme négligé de dormance dans l'arbre de vie.

Pour la plupart des formes de vie, la capacité de s’isoler est un élément essentiel pour rester en vie. Des conditions difficiles comme le manque de nourriture ou le froid peuvent apparaître de nulle part. Dans cette situation désastreuse, plutôt que de s’effondrer et de mourir, de nombreux organismes sont passés maîtres dans l’art de la dormance. Ils ralentissent leur activité et leur métabolisme. Puis, lorsque des temps meilleurs reviennent, ils se réaniment.

Rester assis dans un état de dormance est en fait la norme pour la majorité de la vie sur Terre : selon certaines estimations, 60 % de toutes les cellules microbiennes hibernent à un moment donné. Même dans les organismes dont le corps entier ne se met pas en dormance, comme la plupart des mammifères, certaines populations cellulaires se reposent et attendent le meilleur moment pour s'activer.

"Nous vivons sur une planète endormie", a déclaré Sergey Melnikov , biologiste moléculaire évolutionniste à l'Université de Newcastle. "La vie, c'est avant tout dormir."

Mais comment les cellules réussissent-elles cet exploit ? Au fil des années, les chercheurs ont découvert un certain nombre de " facteurs d’hibernation ", des protéines que les cellules utilisent pour induire et maintenir un état de dormance. Lorsqu’une cellule détecte une condition défavorable, comme la famine ou le froid, elle produit une série de facteurs d’hibernation pour arrêter son métabolisme.

Certains facteurs d’hibernation démantelent la machinerie cellulaire ; d'autres empêchent l'expression des gènes. Les plus importants, cependant, arrêtent le ribosome, la machine cellulaire chargée de fabriquer de nouvelles protéines. La fabrication de protéines représente plus de 50 % de la consommation d’énergie d’une cellule bactérienne en croissance. Ces facteurs d'hibernation jettent du sable dans les engrenages du ribosome, l'empêchant de synthétiser de nouvelles protéines et économisant ainsi de l'énergie pour les besoins de survie de base.

Plus tôt cette année, en publiant dans Nature, des chercheurs ont rapporté la découverte d' un nouveau facteur d'hibernation, qu'ils ont nommé Balon. Une protéine qui est étonnamment courante : une recherche de sa séquence génétique a révélé sa présence dans 20 % de tous les génomes bactériens catalogués. Et cela fonctionne d’une manière que les biologistes moléculaires n’avaient jamais vue auparavant.

(Photo : Karla Helena-Bueno a découvert un facteur d'hibernation courant lorsqu'elle a accidentellement laissé une bactérie arctique sur la glace pendant trop longtemps. " J'ai essayé d'explorer un coin de nature sous-étudié et j'ai trouvé quelque chose ", a-t-elle déclaré.)

Auparavant, tous les facteurs connus d'hibernation perturbant le ribosome fonctionnaient passivement : ils attendaient qu'un ribosome ait fini de construire une protéine, puis l'empêchaient d'en créer une nouvelle. Balon, cependant, tire sur le frein d'urgence. Il s'introduit dans chaque ribosome de la cellule, interrompant même les ribosomes actifs au milieu de leur travail. Avant Balon, les facteurs d'hibernation n'étaient observés que dans les ribosomes vides.

"Ce papier au sujet de Balon est incroyablement détaillé", a déclaré le biologiste évolutionniste Jay Lennon, qui étudie la dormance microbienne à l'Université d'Indiana et n'a pas participé à la nouvelle étude. "Cela enrichira notre vision du fonctionnement de la dormance."

Melnikov et son étudiante diplômée Karla Helena-Bueno ont découvert Balon chez Psychrobacter urativorans, une bactérie adaptée au froid, originaire des sols gelés et récoltée dans le pergélisol arctique. (Selon Melnikov, la bactérie a été découverte pour la première fois dans un paquet de saucisses congelées dans les années 1970, puis redécouverte par le célèbre génomiciste Craig Venter lors d'un voyage dans l'Arctique.) Ils étudient P. urativorans et d'autres microbes inhabituels pour caractériser la diversité des outils de construction de protéines utilisés dans tout le spectre de la vie et pour comprendre comment les ribosomes peuvent s'adapter aux environnements extrêmes.

Parce que la dormance peut être déclenchée par diverses conditions, notamment la famine et la sécheresse, les scientifiques poursuivent ces recherches avec un objectif pratique en tête : " Nous pouvons probablement utiliser ces connaissances pour concevoir des organismes capables de tolérer des climats plus chauds ", a déclaré Melnikov, " et donc résister au changement climatique. "

Présentation : Balon

Helena-Bueno a découvert Balon entièrement par hasard. Elle s'employait à amadouer qour que les P.Urativorans grandissent joyeusement en laboratoire. Au lieu de cela, elle a fait le contraire. Elle a laissé la culture dans un seau à glace pendant trop longtemps et a réussi à la soumettre à un choc froid. Au moment où elle se rappela de sa présence, les bactéries adaptées au froid étaient devenues dormantes.

Ne voulant pas gaspiller la culture, les chercheurs ont quand même poursuivi leurs investigations initiales. Helena-Bueno a extrait les ribosomes des bactéries choquées par le froid et les a soumis à la cryo-EM. Abréviation de microscopie électronique cryogénique, la cryo-EM est une technique permettant de visualiser de minuscules structures biologiques à haute résolution. Helena-Bueno a vu une protéine coincée dans le site A du ribosome bloqué – la " porte " où les acides aminés sont livrés pour la construction de nouvelles protéines.

Helena-Bueno et Melnikov n'ont pas reconnu la protéine. En effet, cela n’avait jamais été décrit auparavant. Elle présentait une similitude avec une autre protéine bactérienne, importante pour le démontage et le recyclage des parties ribosomales, appelée Pelota de l'espagnol pour " balle ". Ils ont donc nommé la nouvelle protéine Balon, un mot espagnol pour " balle ".

"Contrairement à d’autres facteurs d’hibernation, Balon peut être inséré pour bloquer la croissance, puis rapidement éjecté comme une cassette."

La capacité de Balon à arrêter l'activité du ribosome est une adaptation essentielle pour un microbe soumis à un stress, a déclaré Mee-Ngan Frances Yap, microbiologiste à l'Université Northwestern qui n'a pas participé aux travaux. "Lorsque les bactéries se développent activement, elles produisent beaucoup de ribosomes et d'ARN", a-t-elle déclaré. " Lorsqu’elle est confrontée à un stress, une espèce peut avoir besoin d’arrêter la traduction " de l’ARN en nouvelles protéines pour commencer à économiser de l’énergie pendant une période d’hibernation potentiellement longue.

Notamment, le mécanisme de Balon est un processus réversible. Contrairement à d’autres facteurs d’hibernation, il peut être inséré pour bloquer la croissance, puis rapidement éjecté comme une cassette. Il permet à une cellule de se mettre rapidement en veille en cas d’urgence et de se réanimer tout aussi rapidement pour se réadapter à des conditions plus favorables.

Balon peut le faire car il s'accroche aux ribosomes d'une manière unique. Chaque facteur d'hibernation ribosomale découvert précédemment bloque physiquement le site A du ribosome, de sorte que tout processus de fabrication de protéines en cours doit être terminé avant que le facteur puisse s'attacher pour désactiver le ribosome. Balon, en revanche, se lie à proximité mais pas à travers le canal, ce qui lui permet d'aller et venir indépendamment de ce que fait le ribosome.

Malgré la nouveauté mécaniste de Balon, il s’agit d’une protéine extrêmement courante. Une fois identifié, Helena-Bueno et Melnikov ont trouvé des parents génétiques de Balon dans plus de 20 % de tous les génomes bactériens catalogués dans les bases de données publiques. Avec l'aide de Mariia Rybak , biologiste moléculaire à la branche médicale de l'Université du Texas, ils ont caractérisé deux de ces protéines bactériennes alternatives : une provenant du pathogène humain Mycobacterium tuberculosis, responsable de la tuberculose, et un autre chez Thermus thermophilus, qui vit dans le dernier endroit où on pourrait trouver P. urativorans, c'est-à-dire dans des bouches d'aération sous-marines ultra-chaudes. Les deux protéines se lient également au site A du ribosome, ce qui suggère qu'au moins certains de ces gènes apparentés agissent de la même manière que Balon chez d'autres espèces bactériennes.

Balon est notamment absent d' Escherichia coli et de Staphylococcus aureus, les deux bactéries les plus étudiées et les modèles de dormance cellulaire les plus largement utilisés. En se concentrant uniquement sur quelques organismes de laboratoire, les scientifiques ont raté une tactique d'hibernation largement répandue, a déclaré Helena-Bueno. "J'ai essayé d'explorer un coin de nature sous-étudié et j'ai trouvé quelque chose."

Tout le monde hiberne

Chaque cellule a besoin de pouvoir se mettre en veille et d’attendre son moment. La bactérie modèle de laboratoire E. coli possède cinq modes d'hibernation distincts, a déclaré Melnikov, chacun étant suffisant à lui seul pour permettre au microbe de survivre à une crise." La plupart des microbes sont affamés ", explique Ashley Shade, microbiologiste à l'université de Lyon, qui n'a pas participé à la nouvelle étude. " Ils vivent en constant état de manque. Ils ne se dédoublent pas et ne vivent pas leur meilleure vie ".

Mais la dormance est également nécessaire en dehors des périodes de famine. Même chez les organismes, comme la plupart des mammifères, dont le corps entier n’est pas complètement endormi, les populations cellulaires individuelles doivent attendre le meilleur moment pour s’activer. Les ovocytes humains dorment pendant des décennies en attendant d’être fécondés. Les cellules souches humaines naissent dans la moelle osseuse, puis restent au repos, attendant que le corps les appelle pour se développer et se différencier. Les fibroblastes du tissu nerveux, les lymphocytes du système immunitaire et les hépatocytes du foie entrent tous dans des phases dormantes, inactives et sans division et se réactivent plus tard.

"Ce n'est pas quelque chose qui est propre aux bactéries ou aux archées", a déclaré Lennon. " Chaque organisme de l’arbre de vie a une manière de mettre en œuvre cette stratégie. Ils peuvent suspendre leur métabolisme.

Les ours hibernent. Les virus de l'herpès se lysogénisent. Les vers forment un stade Dauer. Les insectes entrent en diapause. Les amphibiens estivent. Les oiseaux entrent en torpeur. Tous ces mots désignent exactement la même chose : un état de dormance que les organismes peuvent inverser lorsque les conditions sont favorables.

"Avant l'invention de l'hibernation, la seule façon de vivre était de continuer à grandir sans interruption", a déclaré Melnikov. "Mettre la vie sur pause est un luxe."

C'est aussi une sorte d'assurance à l'échelle de la population. Certaines cellules poursuivent leur dormance en détectant les changements environnementaux et en réagissant en conséquence. Cependant, de nombreuses bactéries utilisent une stratégie stochastique. "Dans des environnements fluctuant de manière aléatoire, si vous ne vous mettez pas parfois en dormance, il y a un risque que la population entière disparaisse" à la suite de rencontres aléatoires avec des catastrophes, a déclaré Lennon. Même dans les cultures d' E. coli les plus saines, les plus heureuses et à la croissance la plus rapide, entre 5 % et 10 % des cellules seront néanmoins dormantes. Ce sont les survivants désignés qui survivront si quelque chose arrivait à leurs cousins ​​plus actifs et plus vulnérables.

En ce sens, la dormance est une stratégie de survie face aux catastrophes mondiales. C'est pourquoi Helena-Bueno étudie l'hibernation. Elle s'intéresse aux espèces qui pourraient rester stables malgré le changement climatique, à celles qui pourraient se rétablir et aux processus cellulaires, comme l'hibernation assistée par Balon, qui pourraient aider.

Plus fondamentalement, Melnikov et Helena-Bueno espèrent que la découverte de Balon et son omniprésence aideront les gens à recadrer ce qui est important dans la vie. Nous dormons tous fréquemment et beaucoup d’entre nous l’apprécient beaucoup. "Nous passons un tiers de notre vie à dormir, mais nous n'en parlons pas du tout", a déclaré Melnikov. Au lieu de nous plaindre de ce qui nous manque lorsque nous dormons, peut-être pourrions-nous le vivre comme un processus qui nous relie à toute vie sur Terre, y compris les microbes qui dorment au plus profond du pergélisol arctique.

Des scientifiques recréent la danse microbienne qui a donné naissance à la vie complexe

L'évolution a été alimentée par l'endosymbiose, une alliance cellulaire dans laquelle un microbe s'installe de manière permanente à l'intérieur d'un autre. Pour la première fois, des biologistes ont réussi à mettre en œuvre ce processus en laboratoire.

Loin d’être des êtres solitaires, la plupart des microbes unicellulaires entretiennent des relations complexes. Dans l’océan, le sol et votre intestin, ils peuvent se battre et se dévorer, échanger de l’ADN, rivaliser pour les nutriments ou se nourrir des sous-produits des autres. Parfois, ils deviennent encore plus intimes : une cellule peut se glisser à l’intérieur d’une autre et s’y installer confortablement. Si les conditions sont réunies, elle peut rester et être accueillie, ce qui déclenche une relation qui peut durer des générations, voire des milliards d’années. Ce phénomène d’une cellule vivant à l’intérieur d’une autre, appelé endosymbiose, a alimenté l’évolution de la vie complexe.

Les exemples d’endosymbiose sont légion. Les mitochondries, les usines énergétiques de vos cellules, étaient autrefois des bactéries libres . Les plantes photosynthétiques doivent leurs sucres produits par le soleil au chloroplaste, qui était lui aussi à l’origine un organisme indépendant. De nombreux insectes obtiennent des nutriments essentiels des bactéries qui vivent à l’intérieur d’eux . Et l’année dernière, des chercheurs ont découvert le " nitroplaste ", un endosymbiote qui aide certaines algues à traiter l'azote.

La vie repose en grande partie sur des relations endosymbiotiques, mais les scientifiques peinent à comprendre comment elles se produisent. Comment une cellule internalisée échappe-t-elle à la digestion ? Comment apprend-elle à se reproduire à l'intérieur de son hôte ? Qu'est-ce qui fait qu'une fusion aléatoire de deux organismes indépendants se transforme en un partenariat stable et durable ?

Pour la première fois, des chercheurs ont observé la chorégraphie d'ouverture de cette danse microscopique en induisant une endosymbiose en laboratoire. Après avoir injecté des bactéries dans un champignon – un processus qui a nécessité une résolution créative du problème (et une pompe à vélo) – les chercheurs ont réussi à susciter une coopération sans tuer les bactéries ni l’hôte. Leurs observations offrent un aperçu des conditions qui rendent possible le même phénomène dans la nature microbienne.

Les cellules se sont même adaptées les unes aux autres plus rapidement que prévu. " Pour moi, cela signifie que les organismes veulent réellement vivre ensemble et que la symbiose est la norme ", a déclaré Vasilis Kokkoris, un mycologue qui étudie la biologie cellulaire de la symbiose à l'université VU d'Amsterdam et qui n'a pas participé à la nouvelle étude. " C'est donc une grande, grande nouvelle pour moi et pour ce monde. "

Les premières tentatives, qui ont échoué, révèlent que la plupart des liaisons cellulaires sont infructueuses. Mais en comprenant comment, pourquoi et quand les organismes acceptent les endosymbiotes, les chercheurs peuvent mieux comprendre les moments clés de l'évolution et éventuellement développer des cellules synthétiques conçues avec des endosymbiotes surpuissants.

La percée de la paroi cellulaire

Julia Vorholt, microbiologiste à l'École polytechnique fédérale de Zurich, en Suisse, s'interroge depuis longtemps sur les circonstances de l'endosymbiose. Les chercheurs dans ce domaine ont émis l'hypothèse qu'une fois qu'une bactérie s'infiltre dans une cellule hôte, la relation oscille entre infection et harmonie. Si la bactérie se reproduit trop rapidement, elle risque d'épuiser les ressources de l'hôte et de déclencher une réponse immunitaire, entraînant la mort de l'invité, de l'hôte ou des deux. Si elle se reproduit trop lentement, elle ne s'établira pas dans la cellule. Ils pensaient que dans de rares cas seulement, la bactérie atteint un taux de reproduction idéal. Ensuite, pour devenir un véritable endosymbiote, elle doit s'infiltrer dans le cycle de reproduction de son hôte pour se frayer un chemin jusqu'à la génération suivante. Enfin, le génome de l'hôte doit éventuellement muter pour s'adapter à la bactérie, permettant aux deux d'évoluer en tant qu'unité.

" Ils deviennent accros l’un à l’autre ", a déclaré Vorholt.

 Ces idées étaient logiques, mais personne n’avait jamais été témoin des premiers pas de l’endosymbiose microbienne. Vorholt a donc décidé de tenter de mettre en pratique ce phénomène en laboratoire. Plutôt que de réinventer la roue de l’endosymbiose, elle a pensé que son équipe aurait toutes ses chances de réussir en recréant un partenariat qui s’était déjà produit dans la nature.

La brûlure des semis de riz est une maladie causée par le sous-produit toxique d'une relation endosymbiotique sauvage. À un moment donné de son histoire évolutive, le champignon Rhizopus microsporus a adopté la bactérie Mycetohabitans rhizoxinica. La bactérie résidente produit du poison que le champignon utilise pour infecter les plants de riz ; les deux partenaires en profitent en absorbant les nutriments des cellules végétales mortes ou mourantes. Au fil des générations, les deux partenaires sont devenus si étroitement liés que le champignon ne peut plus se reproduire sans son endosymbiote.

Il existe cependant une souche de ce champignon qui vit sans endosymbiote. Vorholt pensait pouvoir l'utiliser pour recréer ce partenariat toxique. Mais avant de passer aux étapes les plus difficiles de la recherche de correspondance cellulaire, son équipe a dû surmonter une contrainte physique de base : comment faire passer physiquement une bactérie à travers la paroi cellulaire rigide d'un champignon ?

Gabriel Giger, auteur principal de l'étude et étudiant diplômé de Vorholt, a commencé par préparer un cocktail d'enzymes pour ramollir la paroi. Il a ensuite utilisé un microscope à force atomique équipé d'une technologie connue sous le nom de FluidFM, réutilisée pour servir de minuscule seringue. Lorsque Giger a percé la cellule fongique avec la micro-aiguille, le cytoplasme s'est précipité à l'extérieur comme l'eau d'un barrage rompu.

" Nous avons eu tellement de reflux ", a déclaré Giger. " [Le liquide cellulaire] arrive directement vers vous. "

Il lui fallait un appareil plus puissant pour résister à la pression intracellulaire et faire pénétrer les bactéries. Giger a bricolé une connexion entre sa pompe à vélo et le microscope. Cela a fonctionné : la pompe à vélo a augmenté la pression et a forcé les bactéries à traverser la paroi cellulaire et à pénétrer dans le cytoplasme.

Après avoir joué avec différentes pressions, ils ont peaufiné le système. " La façon dont ils ont adapté la technologie pour injecter les bactéries dans les champignons est vraiment très intéressante ", a déclaré Thomas Richards, un biologiste évolutionniste qui étudie l'endosymbiose à l'université d'Oxford et qui n'a pas participé à l'étude. " Ils ont dû utiliser des aiguilles spécialement aiguisées et ensuite une pression de pneu trois fois supérieure à celle des pneus de voiture pour pousser les bactéries à l'intérieur. Cela représente un grand pas en avant technologique. "

Giger et Vorholt ont d’abord injecté dans le champignon Escherichia coli , un organisme bactérien standard utilisé en laboratoire. Une fois à l’intérieur, E. coli s’est reproduit rapidement en se nourrissant des nutriments présents dans la cellule. Les bactéries se sont développées si vite que le système immunitaire fongique les a remarquées et les a enfermées pour les éliminer.

Les chercheurs se sont ensuite intéressés à M. rhizoxinica , une bactérie déjà présente dans d’autres souches de R. microsporus . Une fois à l’intérieur, elle s’est divisée à une vitesse agréable et a échappé à la réponse immunitaire. Plus important encore, aucun des deux partenaires n’est mort. " C’était déjà très excitant de voir que le champignon et la bactérie se développaient après l’injection ", a déclaré Giger.

La bactérie  Mycetohabitans rhizoxinica  (ovales verts fluorescents) se déplace à l'intérieur d'une cellule du champignon  Rhizopus  microsporus . Dans cette vidéo, la bactérie ressemble à une infection. Mais comme les deux organismes se reproduisent ensemble au cours de générations successives, chacun s'adaptera à l'autre jusqu'à trouver un équilibre endosymbiotique. Thomas Gassler ; Nature  635, 415-422 (2024)

Au début, le couple s’était accepté, mais ce n’était que la première étape. Giger a patiemment attendu, puis a vu ce qu’il cherchait au microscope : les bactéries s’étaient glissées dans les spores fongiques pour passer à la génération suivante.

" Je devais m'assurer que le signal était authentique, et on ne dort pas tranquille tant qu'on ne le sait pas ", a-t-il déclaré. " L'excitation a duré un bon moment. "

Giger et son équipe ont sélectionné manuellement des spores et ont fait germer 10 générations successives de champignons. Un plus grand nombre de bactéries ont survécu à chaque cycle de reproduction, et les spores sont devenues plus saines et plus efficaces. Pour la première fois, les chercheurs ont observé des microbes endosymbiotiques et hôtes s’adapter les uns aux autres. " Aucun de ces organismes ne s’empoisonne mutuellement, et leurs taux de croissance correspondent à peu près à ce spectre de viabilité pour les deux ", a rappelé Giger. Les bactéries ont survécu, protégées et nourries par le champignon – et le champignon a trouvé un partenaire toxique.

Pour confirmer le partenariat microbien, le laboratoire a isolé les deux parties pour analyser leurs génomes. Le génome du champignon avait déjà subi des mutations pour s'adapter aux bactéries. De toute évidence, ces relations peuvent se stabiliser rapidement, ont constaté les chercheurs. Bientôt, les deux espèces ne pourraient plus vivre l'une sans l'autre.

Trouver le juste équilibre 

En recréant une relation naturelle, Vorholt et Giger ont " rejoué cette séquence de l’évolution ", explique Richards, pour en tirer des leçons sur la manière dont se produit l’endosymbiose. Ils en ont conclu que le processus ne peut pas se produire s’il existe une discordance entre l’hôte et l’endosymbiote à un moment quelconque du processus d’adaptation. " C’est probablement ce qui se passe souvent dans la nature ", explique Vorholt. " Peut-être que leurs points de départ sont réussis, mais d’une manière ou d’une autre, la sélection n’est pas là, ou il y a un coût plutôt qu’un avantage. Et alors, on perd tout simplement le système, et il n’est pas stabilisé. "

Ils ont également découvert que dans les couples qui fonctionnent, les deux partenaires s’adaptent l’un à l’autre, un phénomène jusqu’ici largement négligé. Ce n’est pas seulement la bactérie qui s’adapte à un nouvel environnement ; l’hôte aussi change, même au début. " C’est une question fondamentale que les gens ont ignorée ", a déclaré Richards. " Cela ouvre la voie à de véritables avancées. "

Bien que révélatrice, cette association bactérie-champignon n’est qu’un exemple d’un processus qui peut avoir plusieurs mécanismes ou conditions. " Je peux imaginer que chez les protistes et d’autres groupes qui n’ont pas été bien étudiés, nous trouverons de nombreux nouveaux modèles de soutien de la symbiose ", a déclaré Laila Partida Martínez, qui a découvert l' endosymbiose entre les plantules de riz et le mildiou et est maintenant directeur de Cinvestav Irapuato, un institut de recherche en sciences végétales au Mexique.

D’autres recherches sur divers systèmes endosymbiotiques permettront de déterminer quelles conditions s’appliquent de manière générale et lesquelles sont spécifiques à certaines paires. À terme, ces résultats pourraient conduire à un nouveau type de biologie synthétique, mettant en avant des relations endosymbiotiques développées en laboratoire, ce qui pourrait constituer une " voie fascinante pour explorer l’innovation biologique ", a déclaré Vorholt.

Au lieu de modifier les gènes des organismes pour créer de nouvelles caractéristiques, les laboratoires pourraient concevoir des bactéries pour qu’elles exécutent des fonctions spécifiques et les introduire ensuite dans des hôtes. " De nombreuses nouvelles caractéristiques pourraient être réunies dans un système symbiotique en procédant ainsi et en les faisant évoluer ensemble ", a déclaré Partida Martínez. En induisant l’endosymbiose, les chercheurs pourraient potentiellement concevoir des plantes pour qu’elles métabolisent les polluants ou fabriquent des médicaments. " Il faudra du temps pour concevoir et vraiment régler les systèmes ", a-t-elle ajouté. " Je pense que notre imagination serait en fait la limite. "

Cela signifie-t-il que nous pourrions un jour développer des chloroplastes et devenir photosynthétiques ? Giger pense qu’il serait difficile pour un chloroplaste de se stabiliser à l’intérieur d’une cellule de mammifère. Même si cela fonctionnait, la photosynthèse à elle seule ne suffirait pas à nous alimenter : nos besoins énergétiques sont trop élevés. " Vous pourriez avoir une belle peau verte et fonctionner un peu avec vos propres panneaux photovoltaïques, mais le gain d’énergie que vous pourriez obtenir du soleil serait minime ", a-t-il déclaré. " Vous auriez souvent faim et vous auriez besoin de compléter votre alimentation avec d’autres aliments de base, comme la pizza. "

Les insectes et autres animaux ont une conscience, déclarent les experts

Un groupe d'éminents biologistes et philosophes a annoncé un nouveau consensus : il existe " une possibilité réaliste " que les insectes, les poulpes, les crustacés, les poissons et d'autres animaux négligés fassent l'expérience de la conscience.  

En 2022, des chercheurs du Bee Sensory and Behavioral Ecology Lab de l’Université Queen Mary de Londres ont observé des bourdons faire quelque chose de remarquable : ces petites créatures floues se livraient à une activité qui ne pouvait être décrite que comme un jeu. Une fois face à de minuscules boules de bois, les abeilles les poussent et les font tourner. Ce comportement n’avait aucun lien évident avec l’accouplement ou la survie, et n’était pas non plus récompensé par les scientifiques. Apparemment, c'était juste pour s'amuser.

L’étude sur les abeilles joueuses fait partie d’un ensemble de recherches citées aujourd’hui par un groupe d’éminents spécialistes de l’esprit animal, étayant une nouvelle déclaration qui étend le soutien scientifique à la conscience à un plus grand nombre d’animaux que ce qui avait été formellement reconnu auparavant. Depuis des décennies, les scientifiques s’accordent largement sur le fait que les animaux semblables à nous – les grands singes, par exemple – ont une expérience consciente, même si leur conscience diffère de la nôtre. Ces dernières années, cependant, les chercheurs ont commencé à reconnaître que la conscience pourrait également être répandue chez des animaux très différents de nous, notamment des invertébrés dotés d’un système nerveux complètement différent et bien plus simple.

La nouvelle déclaration, signée par des biologistes et des philosophes, adhère formellement à ce point de vue. On y lit notamment : " Les preuves empiriques indiquent au moins une possibilité réaliste d’expérience consciente chez tous les vertébrés (y compris tous les reptiles, amphibiens et poissons) et de nombreux invertébrés (y compris, au minimum, les mollusques céphalopodes, les crustacés décapodes et les insectes). " Inspiré par les résultats de recherches récentes décrivant des comportements cognitifs complexes chez ces animaux et chez d'autres animaux, le document représente un nouveau consensus et suggère que les chercheurs ont peut-être surestimé le degré de complexité neuronale requis pour la conscience.

La Déclaration de New York sur la conscience animale en quatre paragraphes a été dévoilée aujourd'hui, le 19 avril, lors d'une conférence d'une journée intitulée " La science émergente de la conscience animale " qui s'est tenue à l'Université de New York. Menée par la philosophe et spécialiste des sciences cognitives Kristin Andrews de l'Université York en Ontario, le philosophe et spécialiste de l'environnement Jeff Sebo de l'Université de New York et le philosophe Jonathan Birch de la London School of Economics and Political Science, la déclaration a jusqu'à présent été signée par 39 chercheurs, dont les psychologues Nicola Clayton et Irene Pepperberg, les neuroscientifiques Anil Seth et Christof Koch , le zoologiste Lars Chittka et les philosophes David Chalmers et Peter Godfrey-Smith .

La déclaration se concentre sur le type de conscience le plus fondamental, connu sous le nom de conscience phénoménale. En gros, si une créature a une conscience phénoménale, alors c'est " comme quelque chose " qu'être cette créature — une idée énoncée par le philosophe Thomas Nagel dans son essai influent de 1974, " Qu'est-ce que ça fait d'être une chauve-souris ? " Même si une créature est très différente de nous, écrit Nagel, " " Un organisme a fondamentalement des états mentaux conscients qui correspondent à ce qu'est cet organisme, si et seulement si. ... Nous pouvons appeler cela le caractère subjectif de l'expérience. Si une créature est ainsi consciente, elle a la capacité d’éprouver des sentiments tels que la douleur, le plaisir ou la faim, mais pas nécessairement des états mentaux plus complexes comme la conscience de soi.

" J'espère que celà attire une plus grande attention aux problèmes de la conscience non humaine et aux défis éthiques qui accompagnent la possibilité d'expériences conscientes bien au-delà de l'humain", a écrit Seth, neuroscientifique à l'Université du Sussex, dans un e-mail. " J'espère que cela suscitera des discussions, éclairera les politiques et les pratiques en matière de bien-être animal et galvanisera la compréhension et l'appréciation du fait que nous avons beaucoup plus en commun avec d'autres animaux qu'avec des choses comme ChatGPT. "

Une prise de conscience croissante

La déclaration a commencé à prendre forme l’automne dernier, à la suite de conversations entre Sebo, Andrews et Birch. " Nous parlions tous les trois de tout ce qui s'est passé au cours des 10 ou 15 dernières années dans la science de la conscience animale", se souvient Sebo. Nous savons maintenant, par exemple, que les poulpes ressentent de la douleur et que les seiches se souviennent des détails d'événements passés spécifiques. Des études sur les poissons ont montré que les labres (Labroides dimidiatus) semblent réussir une version du " test du miroir ", qui indique un certain degré d'auto-reconnaissance, et que les poissons zèbres montrent des signes de curiosité. Dans le monde des insectes, les abeilles présentent un comportement de jeu apparent, tandis que les mouches des fruits de la drosophile ont des habitudes de sommeil distinctes influencées par leur environnement social. Pendant ce temps, les écrevisses présentent des états de type anxiété – et ces états peuvent être modifiés par des médicaments anti-anxiété.

Ces signes, ainsi que d’autres, d’états de conscience chez des animaux qui ont longtemps été considérés comme moins conscients ont excité et interpellé les biologistes, les spécialistes des sciences cognitives et les philosophes de l’esprit. "Beaucoup de gens acceptent depuis un certain temps que, par exemple, les mammifères et les oiseaux sont soit conscients, soit très susceptibles de l'être, mais moins d'attention a été accordée aux autres taxons de vertébrés et en particulier d'invertébrés", a déclaré Sebo. Lors de conversations et de réunions, les experts ont largement convenu que ces animaux devaient avoir une conscience. Cependant, ce consensus nouvellement formé n’a pas été communiqué au grand public, notamment aux autres scientifiques et décideurs politiques. Les trois chercheurs ont donc décidé de rédiger une déclaration claire et concise et de la faire circuler parmi leurs collègues pour approbation. La déclaration n’est pas censée être exhaustive mais plutôt " indiquer où nous pensons que le domaine se trouve actuellement et où il se dirige ", a déclaré Sebo.

La nouvelle déclaration met à jour les efforts les plus récents visant à établir un consensus scientifique sur la conscience animale. En 2012, des chercheurs ont publié la Déclaration de Cambridge sur la conscience, qui affirmait qu'un grand nombre d'animaux non humains, y compris, mais sans s'y limiter, les mammifères et les oiseaux, ont " la capacité de manifester des comportements intentionnels " et que " les humains ne sont pas les seuls à posséder les substrats neurologiques " qui génèrent la conscience.

La nouvelle déclaration élargit la portée de son prédécesseur et est également rédigée avec plus de soin, a écrit Seth. " Elle n'essaie pas de faire de la science par diktat, mais souligne plutôt ce que nous devrions prendre au sérieux concernant la conscience animale et l'éthique pertinente, compte tenu des preuves et des théories dont nous disposons." Il a écrit qu’il n’était " pas favorable aux avalanches de lettres ouvertes et autres ", mais qu’il était finalement " parvenu à la conclusion que cette déclaration méritait vraiment d’être soutenue ".

Godfrey-Smith, philosophe des sciences à l'Université de Sydney qui a beaucoup travaillé avec les poulpes, estime que les comportements complexes que présentent ces créatures – notamment la résolution de problèmes, l'utilisation d'outils et le comportement de jeu – ne peuvent être interprétés que comme des indicateurs de conscience. "Elles ont cet engagement attentif avec les choses, avec nous et avec de nouveaux objets qui fait qu'il est très difficile de ne pas penser qu'il se passe beaucoup de choses à l'intérieur d'elles", a-t-il déclaré. Il a noté que des articles récents portant sur la douleur et les états oniriques chez les poulpes et les seiches " vont dans la même direction… ".

Même si de nombreux animaux mentionnés dans la déclaration ont un cerveau et un système nerveux très différents de ceux des humains, les chercheurs affirment que cela ne constitue pas nécessairement un obstacle à la conscience. Par exemple, le cerveau d’une abeille ne contient qu’environ un million de neurones, contre environ 86 milliards dans le cas des humains. Mais chacun de ces neurones d’abeille peut être structurellement aussi complexe qu’un chêne. Le réseau de connexions qu’ils forment est également incroyablement dense, chaque neurone en contactant peut-être 10 000 ou 100 000 autres. Le système nerveux d’une pieuvre, en revanche, est complexe à d’autres égards. Son organisation est hautement distribuée plutôt que centralisée ; un bras coupé peut présenter de nombreux comportements de l'animal intact.

(4 photos : Des recherches récentes sur l’esprit des animaux – notamment ceux des écrevisses, des poulpes, des serpents et des poissons – suggèrent que la conscience " peut exister dans une architecture neurale qui semble complètement étrangère " à la nôtre, a déclaré Peter Godfrey-Smith.)

Le résultat, a déclaré Andrews, est que "  nous n’avons peut-être pas besoin d’autant d’équipement que nous le pensions " pour atteindre la conscience. Elle note, par exemple, que même un cortex cérébral – la couche externe du cerveau des mammifères, censée jouer un rôle dans l’attention, la perception, la mémoire et d’autres aspects clés de la conscience – n’est peut-être pas nécessaire pour une conscience phénoménale plus simple comme celle ciblée dans la déclaration.

"Il y a eu un grand débat sur la question de savoir si les poissons sont conscients, et cela était en grande partie dû au fait qu'ils n'avaient pas les structures cérébrales que nous observons chez les mammifères", a-t-elle déclaré. "Mais quand vous regardez les oiseaux, les reptiles et les amphibiens, ils ont des structures cérébrales très différentes et des pressions évolutives différentes - et pourtant certaines de ces structures cérébrales, comme nous le constatons, font le même genre de travail qu'un cortex cérébral chez l'homme. " Godfrey-Smith est d’accord, notant que des comportements révélateurs de conscience " peuvent exister dans une architecture qui semble complètement étrangère à l’architecture des vertébrés ou des humains ".

Relations conscientes

Bien que la déclaration ait des implications pour le traitement des animaux, et en particulier pour la prévention de la souffrance animale, Sebo a noté que l'accent devrait aller au-delà de la douleur. Il ne suffit pas d'empêcher les animaux en captivité de ressentir des douleurs et des inconforts corporels, a-t-il déclaré. " Nous devons également leur offrir le type d’enrichissement et d’opportunités qui leur permettent d’exprimer leurs instincts, d’explorer leur environnement, de s’engager dans les systèmes sociaux et d’être par ailleurs le genre d’agents complexes qu’ils sont. "

Mais les conséquences de l’attribution du label " conscient " à un plus grand nombre d’animaux – en particulier à des animaux dont nous n’avons pas l’habitude de prendre en compte les intérêts – ne sont pas simples. Par exemple, notre relation avec les insectes peut être " inévitablement quelque peu antagoniste ", a déclaré Godfrey-Smith. Certains ravageurs dévorent les récoltes et les moustiques peuvent être porteurs de maladies. " L'idée selon laquelle nous pourrions simplement faire la paix avec les moustiques est une pensée très différente de l'idée selon laquelle nous pourrions faire la paix avec les poissons et les poulpes", a-t-il déclaré.

De même, peu d’attention est accordée au bien-être des insectes comme la drosophile, largement utilisés dans la recherche en biologie. " Dans la recherche, nous pensons au bien-être du bétail et des souris, mais nous ne pensons jamais au bien-être des insectes ", a déclaré Matilda Gibbons , qui étudie les bases neuronales de la conscience à l'Université de Pennsylvanie et a signé la déclaration.

Même si les organismes scientifiques ont créé certaines normes pour le traitement des souris de laboratoire, il n'est pas clair si la déclaration d'aujourd'hui mènera à de nouvelles normes pour le traitement des insectes. Mais les nouvelles découvertes scientifiques suscitent parfois de nouvelles politiques. La Grande-Bretagne, par exemple, a adopté une législation visant à accroître la protection des poulpes, des crabes et des homards après qu'un rapport de la London School of Economics  ait indiqué que ces animaux pouvaient ressentir de la douleur, de la détresse ou être blessés.

Bien que la déclaration ne fasse aucune mention de l’intelligence artificielle, la question d’une éventuelle conscience de l’IA préoccupe les chercheurs en conscience animale. "Il est très peu probable que les systèmes d'IA actuels soient conscients", a déclaré Sebo. Cependant, ce qu’il a appris sur l’esprit animal " me fait réfléchir et me donne envie d’aborder le sujet avec prudence et humilité ".

 

Ce médecin s'efforce de créer une IA scientifiquement informée.

En formant des modèles d'apprentissage automatique avec des exemples de sciences fondamentales, Miles Cranmer espère accélérer le rythme des découvertes scientifiques.

La physique a ébloui Miles Cranmer dès son plus jeune âge, il recevait des livres sur le sujet de la part de son grand-père, professeur de physique à l'université de Toronto, et ses parents l'emmenaient à des journées portes ouvertes dans des universités proches de chez eux, dans le sud de l'Ontario, au Canada. L'Institut Perimeter de physique théorique était l'un de ses préférés. "Je me souviens que quelqu'un parlait de l'infini quand j'étais très jeune, et c'était tellement cool pour moi", a déclaré Cranmer. Au lycée, il a fait un stage à l'Institut d'informatique quantique de l'université de Waterloo, " le meilleur été de ma vie à ce moment-là ". Il a rapidement commencé à étudier la physique en tant qu'étudiant de premier cycle à l'université McGill.

Puis, un soir, au cours de sa deuxième année, Cranmer, alors âgé de 19 ans, a lu une interview de Lee Smolin dans Scientific American. qui disait qu'il faudrait " des générations " pour réconcilier la théorie quantique et la relativité. « Cela a déclenché quelque chose dans mon cerveau », a déclaré Cranmer. " Je ne peux pas accepter cela, il faut que ça aille plus vite. " Et pour lui, le seul moyen d'accélérer la chronologie des progrès scientifiques était d'utiliser l'intelligence numérique artificielle. " Cette nuit-là, j'ai décidé : "Nous devons faire de l'IA pour la science." Il a commencé à étudier l'apprentissage automatique , qu'il a finalement fusionné avec ses recherches doctorales en astrophysique à l'université de Princeton.

Près d'une décennie plus tard, Cranmer (aujourd'hui à l'Université de Cambridge) a vu l'IA commencer à transformer la science, mais pas autant qu'il l'imaginait. Des systèmes à usage unique comme AlphaFold peuvent générer des prédictions. scientifiques avec une précision révolutionnaire, mais les chercheurs manquent toujours de " modèles de base " conçus pour la découverte scientifique générale. Ces modèles fonctionneraient davantage comme une version scientifiquement précise de ChatGPT, générant de manière flexible des simulations et des prédictions dans plusieurs domaines de recherche. En 2023, Cranmer et plus de deux douzaines d'autres scientifiques ont lancé l'initiative IA polymathique visant à commencer à développer ces modèles de fondation.

La première étape consiste à doter le modèle des compétences scientifiques qui échappent encore à la plupart des systèmes d'IA de pointe. "Certaines personnes voulaient créer un modèle de langage pour l'astrophysique, mais j'étais vraiment sceptique à ce sujet", se souvient Cranmer. "Si on simule des systèmes fluides massifs, en étant mauvais en traitement numérique généralisé" - comme le sont sans doute les grands modèles de langage - "ce n'est pas satisfaisant". s'entraînent.

 Pourtant, Cranmer estime que ces obstacles sont surmontables. " Je suis loin d'être aussi intelligent qu'Einstein ou d'autres grands scientifiques ", at-il déclaré. " Donc, si je réfléchis à ce que je peux faire pour accélérer le rythme de la recherche, c'est vraiment en faisant progresser l'apprentissage automatique. C'est ce que je peux apporter. "

Quanta a discuté avec Cranmer de la possibilité de doter l'IA d'une mémoire scientifique, d'extraire des informations à partir de réseaux neuronaux et de ce que les scientifiques et les programmeurs pourraient bientôt avoir en commun. Cet entretien a été condensé et édité pour plus de clarté.

- Les chercheurs en IA ont remporté deux prix Nobel l'année dernière. N'avons-nous pas déjà une "IA pour la science" ? Que manque-t-il ?

Le plus grand défi, si l'on fait abstraction de tout, c'est que l'apprentissage automatique est mauvais pour la prédiction " hors distribution ". Cela signifie que si vous avez un nouveau point de données qui ne ressemble à rien de ce que vous avez vu auparavant, un modèle d'apprentissage automatique aura tendance à mal fonctionner. C'est la principale faiblesse de l'apprentissage automatique, par rapport à la science traditionnelle.

Pensez à la relativité générale d'Einstein. Les médecins n'avaient aucune idée de l'existence d'un trou noir en 1915. Les mathématiques produisent simplement cette prédiction de manière logique. Et nous pouvons voir des preuves qui la confirment plus d'un siècle plus tard. C'est quelque chose que l'apprentissage automatique ne pourrait pas faire – ce genre d'extrapolation est tout simplement hors de question.

J'ai toujours été très intéressé par l'amélioration de cette partie de l'apprentissage automatique, car je pense que c'est la pièce manquante.

- Mais les réseaux neuronaux ne sont eux aussi que des équations. Comment se fait-il que les mathématiques d'Einstein nous donnent des modèles de l'univers, alors que celles de l'IA ne le peuvent pas ?

Je dirais que ce deuxième type de mathématiques, l'apprentissage automatique, n'a pas de mémoire, alors que le premier type en a. Dans les sciences physiques, si vous proposez une nouvelle théorie, toutes les observations précédentes doivent toujours être satisfaites par le nouveau cadre. Nous devons obéir aux mêmes règles que celles que nous avons découvertes auparavant. Alors que dans l'apprentissage automatique, vous repartez de zéro à chaque fois que vous entraînez un modèle.



Comment intégrer la mémoire, dans ce sens abstrait d'"accumulation de connaissances", dans l'apprentissage automatique ? L'une des méthodes consiste à utiliser des règles symboliques, qui nous permettent d'imposer les modèles qui apparaissent dans les cadres physiques. Par exemple, je sais que si j'entre dans une autre pièce, le physique ne change pas. Un modèle d’apprentissage automatique ne sait pas.

- Comment faire pour qu'un réseau neuronal joue selon ces règles ?

- J'ai passé les quatre dernières années à travailler sur un logiciel appelé PySR. Il s'agit d'une bibliothèque de régression symbolique qui apprend des équations correspondantes à un ensemble de données. Plutôt que de cacher une prédiction dans un réseau neuronal, cela permet de traduire le comportement du réseau neuronal en une équation symbolique dans un langage plus familier aux scientifiques. Forcer le modèle d'apprentissage automatique à utiliser des mathématiques symboliques est essentiellement un moyen de lui donner un biais en faveur des idées existantes à partir desquelles nous avons construit le physique.

Ca présente de nombreux avantages. Les équations obtenues sont très interprétables et ont tendance à se généraliser pour vous donner de bonnes prédictions hors distribution. L'inconvénient est que ces algorithmes sont très coûteux en termes de calcul. Si vous disposez de ressources infinies, ce serait parfait.

- Et les " modèles fondamentaux " scientifiques sur lesquels vous travaillez contournent-ils ce problème ?

- Avec la régression symbolique, on donne à un réseau neuronal les symboles que les scientifiques utilisent, comme une bibliothèque de concepts avec laquelle il peut construire des choses. Une autre façon de procéder est beaucoup plus axée sur les données : fournir une bibliothèque d'exemples. Notre approche dans Polymathic AI consiste à prendre un modèle et à l'entraînement sur toutes les données scientifiques qu'on peut obtenir. Vous partez toujours de zéro, mais vous lui avez donné tellement de données que vous ancrez en quelque sorte ses prédictions.

Je pense que c'est la raison pour laquelle les modèles de langage comme ChatGPT semblent efficaces dans les scénarios hors distribution : ils ont en quelque sorte transformé tout en un problème de prédiction dans la distribution, car ils ont été pré-entraînés sur de nombreux éléments différents. Lorsque ChatGPT est sorti, nous étions tous très enthousiastes à l'idée de réfléchir à la manière dont ce type d'outil pourrait être utilisé dans le domaine scientifique. Et au fil de nos discussions, cette idée s'est cristallisée : pré-entraîner un modèle non pas sur le langage, mais sur des ensembles de données numériques scientifiques.

C'était le défi le plus difficile pour nous. Obtenir des données scientifiques de haute qualité, comme des spectres d'étoiles, n'est pas aussi simple que de simplement lancer des robots sur Internet pour extraire des sites Web de données d'entraînement, comme le font les entreprises d'IA. Heureusement, en astronomie, une grande partie des données est accessible au public. Il suffit de les mettre dans un format uniforme. Nous avons publié deux ensembles de données : le Wellpour les simulations de physique numérique et l'univers multimodal pour les observations astronomiques. Ces ensembles de données offrent une quantité massive de données scientifiques comme base pour construire ces modèles fondamentaux.

- Vont-ils " halluciner " – inventer en toute confiance de fausses réponses – comme le font d'autres modèles d'IA ?

La raison principale de cette préformation est de se faire une idée de ce qui est physiquement raisonnable. Si le modèle se retrouve dans une situation nouvelle qu'il n'a jamais vue auparavant, plutôt que de faire une prédiction insensée, il va faire quelque chose de physiquement raisonnable.

(image : Miles Cranmer est assis à un bureau et regarde un tableau noir avec des équations, il utilise des règles symboliques pour inculquer aux machines une meilleure compréhension des découvertes passées, les aidant à traiter de nouvelles données et à produire des résultats plus compréhensibles.)

Ca n'élimine pas le problème, mais on va vers une grande. Je pense que c'est là que la régression symbolique pourrait également intervenir : traduire des parties du modèle en expressions mathématiques analytiques permettant de fournir des garanties.

Que pensez-vous que les scientifiques puissent faire avec ce type de fondation ?

- L'apprentissage automatique est très efficace pour résoudre des problèmes impliquant des volumes de données considérables, mais il est moins efficace pour les problèmes comportant très peu d'exemples. C'est pourquoi je suis vraiment enthousiaste à l'idée d'utiliser ce genre de modèle de base, car il nous permet d'aborder des types de problèmes à faible volume de données. On peut entraîner le modèle sur des simulations, ce qui lui permet d'intégrer la majeure partie du physique. Mais il suffit ensuite d'ajouter quelques expériences pour affiner ses prédictions. Ce ne sera pas parfait, mais ce sera mieux qu'un modèle d'apprentissage automatique formé à partir de zéro. Ainsi, à partir de quelques points de données du monde réel, vous pouvez extraire plus de données scientifiques qu'auparavant. C'est l'idée.

- Cela pourrait-il aboutir à automatiser le travail des scientifiques ?

- Je pense vraiment que ce type d'outil permettra d'automatiser de nombreuses tâches. Mon objectif est de rendre tous les scientifiques capables de faire beaucoup, beaucoup plus. Cela pourrait changer la définition de ce qu'est un scientifique, mais je pense que cette définition a déjà changé au cours de l'histoire.

 C'est pareil avec les modèles de langage. Ils ne remplacent pas les programmeurs, ils modifient simplement la définition de ce qu'est la programmation, de la même manière qu'écrire en Python ne remplace pas quelqu'un qui écrit des compilateurs. Il s'agit simplement de niveaux d'abstraction différents.

En ce sens, je ne crains pas qu'une quelconque forme d'IA remplace les scientifiques. Elle nous permet simplement de faire plus avec le même laps de temps. C'est ce qui m'enthousiasme vraiment. Comprendre l'univers n'a pas vraiment de fin. Cela va continuer et nous allons continuer à en apprendre toujours plus.

Le physicien qui décode la nature non-binaire du monde subatomique

À l'intérieur du proton, les quarks et les gluons modifient et transforment leurs propriétés d'une manière que les physiciens peinent encore à comprendre. Rithya Kunnawalkam Elayavalli apporte au problème une perspective différente de celle de leurs pairs. De nombreuses découvertes en physique découlent de la théorie à l'expérience. Albert Einstein a théorisé que la masse courbe le tissu de l'espace-temps, puis Arthur Eddington a observé les effets de cette courbure lors d'une éclipse solaire. De même, Peter Higgs a d'abord proposé l'existence du boson de Higgs ; près de 50 ans plus tard, la particule a été découverte au Grand Collisionneur de Hadrons.

L'hadronisation est différente. C'est le processus par lequel les particules élémentaires appelées quarks et gluons s'assemblent pour former des protons et des neutrons - les composants des atomes. Aucune théorie actuelle ne peut décrire avec précision comment ou pourquoi l'hadronisation se produit.

"C'est vraiment l'opposé de la norme", déclare Rithya Kunnawalkam Elayavalli, physicien nucléaire de haute énergie à l'Université Vanderbilt à Nashville, Tennessee.

Kunnawalkam Elayavalli passe ses journées à observer l'hadronisation et à essayer de formuler une théorie qui l'explique. Ils font partie des expériences Sphenix et STAR au Collisionneur d'Ions Lourds Relativistes (RHIC) à New York, ainsi que membre de l'expérience CMS au CERN près de Genève. Leurs recherches étudient le comportement des quarks et des gluons après les collisions, pendant la fraction de milliseconde durant laquelle ces particules se déplacent librement avant de s'hadroniser à nouveau.

Ces expériences ont révélé des détails sur la structure des quarks et des gluons dans cet état intermédiaire, ainsi que sur le moment de l'hadronisation. Pourtant, Kunnawalkam Elayavalli trouve frustrant d'observer sans comprendre davantage.

Le domaine quantique défie les binaires - les gluons en particulier. Ces entités élémentaires peuvent avoir trois charges différentes dans de multiples configurations. Et elles doivent exister en ensembles qui équilibrent ces charges. Pour Kunnawalkam Elayavalli, c'est similaire à la multiplicité des genres qu'ils expérimentent en tant que personne non-binaire. Quanta Magazine s'est entretenu avec eux pour discuter des mystères de la physique nucléaire qui transcende le binaire, ainsi que de leur expérience en tant que personne transgenre - au Tennessee, qui plus est, où la législation anti-trans est parmi les plus régressives du pays - tout en faisant de la science naturelle.

L'interview a été condensée et éditée pour plus de clarté.

Que comprenons-nous des quarks et des gluons ?

Au moment du Big Bang, il devait y avoir une forme de matière qui existait, cette matière primordiale faite de quarks et de gluons avant qu'ils ne se convertissent en hadrons. La meilleure compréhension des quarks et des gluons que nous ayons vient de la théorie de la chromodynamique quantique, qui a été développée dans les années 1970. Nous l'appelons "chromo" parce que nous avons introduit ce nouveau concept appelé charge de couleur. Les quarks et les gluons peuvent avoir trois charges différentes, et les physiciens ont nommé ces trois choses rouge, bleu et vert. Vous pouvez aussi avoir des antiquarks, ce qui signifie que vous avez des anti-couleurs : anti-rouge, anti-bleu et anti-vert.

- Juste pour être clair, cela n'a rien à voir avec la couleur telle que nous la connaissons ?

Il n'y a pas de véritable connexion. Nous avions besoin de quelque chose qui venait par trois et qui, une fois additionné, devient une quantité nulle. La couleur était un terme raisonnable à utiliser. Avec la lumière, quand vous combinez rouge, bleu et vert ensemble, vous obtenez de la lumière blanche, qui est neutre. Et si vous combinez une couleur et son anti-couleur, vous obtenez aussi du blanc. De même, les quarks et les gluons portent par eux-mêmes des charges de couleur, et tous les hadrons sont des combinaisons neutres en couleur de ces quarks et gluons. Tout ce que nous voyons dans le monde est neutre en couleur.

Mais pour compliquer les choses, les gluons ont plusieurs charges de couleur ; une couleur va dans ce sens, l'autre couleur va dans l'autre sens. Les quarks ont trois charges de couleur. Les gluons ont deux charges de couleur.

- Comment savons-nous que cette description est correcte ?

Notre validation de la théorie de la chromodynamique quantique vient des comparaisons avec les données réelles des collisionneurs. Nous faisons entrer en collision un électron et un positron, qui est l'antiparticule de l'électron. Nous savons que lorsque la matière rencontre sa propre antimatière, elle explose. Cette explosion d'énergie se convertit en une paire quark et antiquark. La probabilité que ce processus se produise était bien décrite par la théorie de la chromodynamique quantique.

C'est ainsi que nous savons que cette théorie peut modéliser les quarks et les gluons. Ce qu'elle ne peut pas faire, c'est décrire les quarks et les gluons lorsqu'ils se regroupent en hadrons. À ce moment-là, la théorie s'effondre dans la région que nous appelons non perturbative - physique non calculable. Tous nos calculs explosent. Ils explosent littéralement, dans le sens où les termes tendent vers l'infini. C'est là que notre compréhension théorique nous fait défaut.

- Comment vous et vos collègues utilisez-vous les collisionneurs de particules pour mieux comprendre ce processus ?

Le RHIC fait entrer en collision des noyaux d'atomes d'or. Quand vous faites cela, vous injectez tellement d'énergie dans le système, parce que vous faites entrer en collision plusieurs protons et neutrons avec plusieurs protons et neutrons. Ces gars ont tellement d'énergie que vous recréez en quelque sorte un peu du Big Bang. Nous l'appelons le Petit Bang. Et à partir du Petit Bang, vous obtenez un très court laps de temps, 10−22 secondes - yoctosecondes. Dans ce court laps de temps, un fluide appelé plasma quarks-gluons apparaît, et tous les quarks et gluons communiquent entre eux. C'est une boule de feu. Ensuite, elle évolue. Elle s'expand. Elle refroidit. À un certain point, elle atteint la température à laquelle les quarks et les gluons se convertissent en hadrons.

Donc nous commençons avec des hadrons que nous faisons entrer en collision. Puis nous passons aux quarks et aux gluons, et ensuite nous revenons aux hadrons. L'hadronisation se produit devant nous chaque fois que nous faisons fonctionner nos collisionneurs, sur n'importe quel collisionneur dans l'histoire de la physique. Le fait que nous ne puissions pas le comprendre au niveau quantitatif ou même qualitatif - c'est frustrant ! Une des principales motivations de ma recherche est de l'observer et d'essayer de comprendre ce qui se passe ici.

- Dans ma tête, j'imagine que vous prenez tous une photo avec un petit appareil photo et que vous étudiez l'explosion.

- Eh bien, en gros, oui.

Voici une analogie simple. Disons que vous travaillez dans les tests de sécurité automobile. Vous mettez un mannequin dans la voiture, vous accélérez la voiture, vous heurtez un bloc, et ensuite vous regardez ce qui arrive au corps du mannequin pour déterminer si c'est sûr et si les airbags fonctionnent.

Maintenant imaginez que vous n'avez qu'une photographie du site de test de collision plusieurs années plus tard. Et une photographie de la voiture non endommagée avant la collision. Ce décalage temporel de plusieurs années dans l'analogie reflète le décalage en yoctosecondes entre la collision et votre capacité à la capturer, n'est-ce pas ?

- Oui, cela se produit en un temps très court, et il n'y a aucun moyen de l'arrêter.

Donc vous regardez ces deux photographies, et vous dites : Je sais que la main du mannequin a commencé ici et a fini là. Quels sont les autres indices dans la photographie que je peux utiliser pour recréer le trajet de la main du mannequin ?

Je crée un algorithme de reconstruction. D'ici, la main va revenir par là, et puis je rassemble plus d'informations, et puis je remonte plus loin. Je peux estimer ce qui se passe en théorie grâce à une simulation.

Nous avons un processus itératif où nous apprenons. Nous faisons une prédiction ; les données ne sont pas d'accord. Nous mettons à jour la prédiction ; nous la comparons avec de nouvelles données. Peut-être que ça correspond.

Faire cela aux plus petits niveaux de la matière autour de nous, c'est vraiment ce dont il s'agit en physique des particules et en physique nucléaire de haute énergie.

- Qu'avez-vous découvert ?

Nous mesurons des jets, qui sont des structures en forme de cône composées d'un spray de hadrons et d'autres particules et fragments de particules qui s'échappent d'une collision. Nous reconstruisons et étudions la sous-structure de ces jets. En regardant la distribution des particules dans le jet, si je regarde les particules qui sont éloignées les unes des autres, c'est une région très calculable du jet. À mesure que l'échelle de distance se rapproche, cela entre dans la région incalculable ou non perturbative. Nous avons identifié une échelle spécifique où les quarks et les gluons ne peuvent plus être considérés comme des quarks et des gluons ; ils doivent être considérés comme des hadrons.

Dans notre quête à long terme pour identifier comment se produit l'hadronisation, nous avons découvert avec nos données et nos calculs que l'hadronisation semble se produire à cette échelle de distance fixe, appelée région de transition. Je peux convertir cette distance en temps. Donc nous arrivons enfin au point où nous savons exactement quand l'hadronisation a lieu.

- Est-ce que les propriétés des quarks et des gluons résonnent avec vous en tant que personne non-binaire ?

Oui, je pense que le simple fait que les gluons portent plusieurs charges de couleur signifie qu'ils sont fondamentalement des créatures non-binaires. Et ils sont la pierre angulaire de tout ce qui nous entoure.

C'est un aspect plus coloré de la nature. Cela nous dit qu'il y a quelque chose de plus que la simple charge binaire positive ou négative. Vous avez beaucoup plus de choix de couleurs. Vous avez beaucoup plus de saveurs dans la soupe.

- Que signifie pour vous l'observation de ces particules ?

Je suis dans un voyage de découverte de soi en même temps que mon voyage intellectuel pour comprendre les quarks et les gluons et comment ils évoluent. Tout, selon moi, a un chemin d'évolution.

J'ai commencé dans une société [dans le sud de l'Inde] qui était très binaire dans sa représentation visuelle. Il y avait des rôles de genre clairement définis. Venir aux États-Unis et y passer 15 ans m'a pris beaucoup de temps pour réaliser ce que je pourrais comprendre être moi-même. L'idée du non-binaire, de ne pas appartenir à une certaine représentation - cela a pris beaucoup de temps à réaliser.

Ma première réalisation que c'était une possibilité, que la transition pourrait arriver, c'était au CERN. Mon collègue est simplement apparu en portant une robe. Et je me suis dit : Oh, on peut faire ça !

Dans le monde de la physique, il n'y a pas beaucoup de personnes queer ou trans. La représentation compte beaucoup pour moi, et être présent.e en tant que personne trans ouvertement, représentant mon domaine, mon domaine d'étude - qui est fondamentalement non-binaire dans sa nature - est un aspect très important de mon travail quotidien. Mais c'est difficile. Notre représentant du Tennessee au Congrès vient de déposer un projet de loi qui supprime le financement fédéral de toute institution qui facilite "la dissociation d'un individu de son sexe". C'est le libellé du projet de loi.

Ils s'en prennent à l'assurance. Ils s'en prennent aux universités.

- Comment pouvez-vous penser à la physique quand vous pensez à tout cela ?

Cinquante pour cent de mon cerveau pense à cela, comment je peux survivre, et dans les 50% restants du cerveau, je peux penser à la physique.

Je suis physicien.ne, mais avant cela, je suis une personne. Si quelqu'un veut juste parler physique avec moi, vous ne pouvez pas juste avoir ma physique, vous avez aussi le fait que je suis une personne trans et vous entendez parler de l'environnement dans lequel on me demande de faire ma recherche. 

Elle étudie la façon dont la toxicomanie interfère avec l'apprentissage dans le cerveau

Erin Calipari cherche à comprendre comment des drogues comme les opioïdes et la cocaïne modifient les circuits d'apprentissage et la neurochimie dans l'un des épicentres nationaux des troubles liés à la consommation de substances psychoactives et de la toxicomanie.

(Photo : La dopamine est mieux comprise comme une molécule " d’apprentissage " que comme une molécule de " plaisir ", déclare Erin. "Tout le monde doit avoir un neuromodulateur préféré dans le cerveau, et pour moi c'est la dopamine.")

À quoi ressemble l’apprentissage dans le cerveau et comment les drogues interfèrent-elles avec cela ?

Notre cerveau est programmé pour nous aider à voir les choses qui sont importantes et à y réagir. Cela détermine si nous devons refaire quelque chose ou non. Devons-nous déménager ou rester ? Est-ce bon ou mauvais? Est-ce quelque chose auquel je dois faire attention ?

Les drogues convainquent notre cerveau : " Oui, c’est important. C’est quelque chose que nous devons refaire. Les drogues déterminent non seulement les décisions concernant la drogue elle-même, mais également les décisions concernant les stimuli non médicamenteux présents dans notre environnement. Elles modifient la façon dont nous apprenons.

Comment ça marche au niveau moléculaire ?

Les médicaments comme les opioïdes agissent sur la dopamine. La plupart des gens considèrent la dopamine comme une " molécule du plaisir ", mais ce n’est pas tout. Oui, la dopamine est libérée par des stimuli enrichissants comme le chocolat ou le sucre. Mais Elle est également libérée par des stimuli aversifs comme le stress ou la douleur. Elle se déclenche lorsque les choses sont nouvelles ou différentes, qu'elles soient bonnes ou mauvaises. Et de cette façon, la dopamine est essentielle pour vous aider à apprendre.

Les drogues continuent essentiellement à stimuler la dopamine même lorsque les choses ne sont plus nouvelles ou différentes. Le cerveau continue de penser que quelque chose est important, vous signalant ainsi de continuer à y prêter attention. Mais si les drogues augmentent la dopamine sur le moment, leur consommation à long terme la diminue. Ainsi, avec la consommation croissante de drogues, il y a de moins en moins de dopamine dans le cerveau, ce qui signifie que vous avez du mal à apprendre quelque chose de nouveau.

La dopamine doit-elle être redéfinie comme une molécule " d’apprentissage " plutôt que comme une molécule de " plaisir " ?

Oui. Comprendre la dopamine en tant que molécule qui détermine l’efficacité de notre apprentissage est beaucoup plus précis.

Comment étudiez-vous ce système compliqué ?

Dans mon laboratoire, nous utilisons différentes stratégies pour enregistrer et manipuler différentes cellules du cerveau afin d’essayer de déterminer quelles cellules et quels circuits nous aident à prendre des décisions adaptatives. Et puis, une fois que nous avons identifié ces circuits, nous y allons et disons : Comment l'exposition aux drogues change-t-elle le fonctionnement du système ? Nous effectuons ce travail au niveau physiologique et épigénétique. L’objectif est de comprendre la biologie fondamentale – comment les médicaments détournent les circuits – et ensuite de déterminer si nous pouvons inverser le processus. Nous pouvons utiliser les outils CRISPR*, par exemple, pour inverser une partie de la plasticité de cellules cérébrales spécifiques.

Comprendre le fonctionnement de la dopamine peut-il éventuellement nous aider à développer des traitements contre la dépendance ?

Comprendre ce que fait la dopamine pour aider le cerveau à apprendre est vraiment important. Mais ce sera très difficile à cibler. Vous ne pouvez pas simplement bloquer la dopamine : si vous le faites, les gens ne pourront plus bouger, ils ne pourront plus prêter attention à quoi que ce soit. De nombreux travaux sont en cours sur différentes manières d'affiner le système dopaminergique au lieu de simplement l'activer ou le désactiver. Je pense que c'est ce que nous allons devoir faire.

Qu'est-ce que ça fait de travailler en tant que chercheur en toxicomanie dans l'un des épicentres de la toxicomanie ?

Nashville est mauvais. Au plus fort de l’épidémie d’opioïdes, le Tennessee avait l’un des taux de prescriptions d’opioïdes les plus élevés. Ces dernières années, ce chiffre a diminué, mais pas le problème des opioïdes. Et il ne s’agit pas uniquement d’opioïdes pour nous ; la méthamphétamine est également un problème important. Vanderbilt se trouve donc dans cet espace unique en tant que l’un des plus grands hôpitaux de recherche de la région, au cœur des troubles liés à l’usage de ces substances.

Parfois, il est épuisant de ne pas pouvoir résoudre sa dépendance. C'est écrasant dans un sens pas sympa. Parfois, c'est triste de parler à des personnes qui souffrent de troubles liés à l'usage de substances, et je ne sais pas comment les aider. Elles me posent des questions, mais si je suis experte des changements neurobiologiques spécifiques qui se produisent il m’est difficile de comprendre l’impact de ce trouble sur la vie quotidienne d’un individu puisque je ne l’ai pas vécu personnellement.

Sommes-nous sur le point de comprendre et, à terme, de trouver un remède à la dépendance ?

Guérir de la dépendance est difficile car la dépendance n’est pas une maladie uniforme. Certaines personnes souffrant de dépendance souffrent de troubles comorbides comme l’anxiété et la dépression. Certaines personnes prennent des drogues pour éviter la douleur. Certaines personnes ont un comportement compulsif, d’autres non.

Il sera essentiel de comprendre ce qui est similaire et différent dans le cerveau des individus présentant chacun de ces symptômes uniques pour comprendre comment aborder le traitement en premier lieu. Dans mon laboratoire, par exemple, nous étudions les différences entre les hommes et les femmes.

Qu'avez-vous découvert ?

Lorsque l’on examine les raisons pour lesquelles les gens consomment de la drogue, les femmes sont plus susceptibles de déclarer qu’elles en prennent pour éviter ou échapper à des conséquences négatives, comme le stress et l’anxiété. Les hommes sont plus susceptibles de consommer des drogues de manière impulsive, de planer et de sortir avec des amis. Les deux sexes consomment des drogues et un certain pourcentage d’entre eux développeront un trouble lié à l’usage de substances. Mais ils le font pour différentes raisons.

Les hormones ont beaucoup à voir avec cela. Nous avons découvert que l'estradiol, une hormone ovarienne qui circule avec le cycle menstruel, modifie la façon dont la nicotine agit dans le cerveau en modifiant les fonctions de ses récepteurs.

Nous avons également constaté que si l’on donne aux animaux un accès illimité aux drogues, les mâles et les femelles consomment la même quantité de drogues et leur comportement semble identique. Mais lorsque nous avons examiné les modifications apportées aux protéines de leur cerveau, les hommes et les femmes étaient totalement différents. Beaucoup de ces protéines ont des fonctions cellulaires similaires. Nous pensons que ce médicament augmente la dopamine chez les hommes et les femmes et détermine le comportement de la même manière, mais les voies moléculaires utilisées par chaque sexe sont très différentes.

Pourquoi les cerveaux de sexes différents emprunteraient-ils des chemins différents pour arriver au même point ?

Si vous aviez un système dans lequel vous avez besoin d’un neurone pour coder une information, ce système serait susceptible de tomber en panne. Tout devrait fonctionner parfaitement à chaque fois pour que vous puissiez naviguer dans l'environnement. Mais le cerveau comporte de nombreuses redondances, ce qui signifie que vous n’avez pas besoin que tout fonctionne parfaitement. Il existe de nombreuses façons d’arriver au même but. La raison pour laquelle les mâles et les femelles ont des manières différentes de coder leurs comportements est probablement basée sur l'évolution et la survie de notre espèce.

Cela doit être un domaine difficile dans lequel travailler. Qu'est-ce qui vous motive ?

Ce qui me préoccupe chaque jour, c’est que ce sont des questions importantes. Apprendre la prochaine chose et résoudre des problèmes difficiles est en soi très satisfaisant. Ensuite, lorsque vous respirez, prenez du recul et réalisez que les problèmes difficiles que vous résolvez ont vraiment un impact sur les gens, cela rend le tout encore plus significatif. Mais ma véritable motivation réside dans le mentorat de la prochaine génération. Lorsque je me suis lancé dans la recherche, mon objectif était d’influencer le plus de personnes possible. Je pensais y parvenir en découvrant quelque chose d'important et en changeant la société, ce qui est évidemment le but ultime. Mais ensuite, quand je suis arrivée ici et que j'ai installé mon laboratoire, j'ai réalisé que ce qu'on fait, c'est apprendre aux étudiants qu'ils peuvent faire ce travail. Leur permettre de découvrir ce pour quoi ils sont bons et ce qu'ils aiment me permet de continuer, même lorsque la science ne va pas toujours comme je le souhaite.

Vous êtes un peu comme l'entraîneur de votre propre équipe.

Lorsque vous finissez par diriger un laboratoire, vous réalisez qu’il s’agit d’une grande partie de la science, mais aussi d’une grande partie de la non-science. Il s'agit d'amener les gens à travailler ensemble et de créer l'environnement approprié pour chaque individu, ce qui peut s'avérer difficile. C'est comme constituer une équipe. S'ils travaillent ensemble, c'est moins difficile pour chacun. Et si vous le faites correctement, alors tout le monde y gagne.

Vous défendez également les femmes scientifiques. D’où vient cette motivation ?

Personne dans ma famille n’avait de diplôme d’études supérieures avant moi. Parce que mon père est sportif, l'accent n'était pas mis sur les études. Ensuite, je me suis retrouvé dans un espace dans lequel – je ne veux pas dire que je n’avais rien à faire, mais j’étais entouré d’un groupe de personnes qui, à mon avis, étaient plus intelligentes que moi. Ils savaient ce qu'ils faisaient. Ils savaient quel chemin ils étaient censés emprunter.  Heureusement j’ai eu des mentors extraordinaires qui m’ont aidé à rester sur un chemin que je ne connaissais pas. Et puis, en vieillissant, j’ai commencé à réaliser que ma place était ici. J'étais aussi intelligente que les gens autour de moi. Cela seul m’a fait réaliser à quel point il est important que les gens se sentent à leur place.

Au lieu de demander aux femmes d'agir comme des hommes pour s'intégrer dans un système construit pour les hommes, peut-être devrions-nous changer le système pour renforcer les éléments qui nous manquent, c'est-à-dire les éléments que les femmes apportent à la table : la façon dont elles naviguent dans le monde, comment elles perçoivent les choses, comment elles accompagnent les étudiants. Nous bénéficions énormément de la création d’un espace pour les femmes.

Vous avez fait du sport toute votre vie, y compris le basket-ball à l'université. Pensez-vous que cela a eu une influence sur votre carrière aujourd’hui ? 

Les choses les plus importantes que l’on apprend dans le sport sont comment se dépasser pour s’améliorer chaque jour, comment se remettre d’un échec et comment compter sur ses coéquipiers. Quand j'étais plus jeune, ces expériences m'ont appris à venir travailler après qu'une expérience n'ait pas fonctionné et à demander de l'aide lorsque j'en avais besoin.

Durant mon entraînement, j’étais l’athlète qui jouait à un jeu. Cependant, lorsque je suis devenu professeur, je suis tout d’un coup devenu entraîneur. Mon travail est différent maintenant. Il se concentre sur la façon dont je peux amener mon équipe à s’améliorer. Je dois identifier les points forts de chacun et les mettre en mesure de réussir. Je suis également là pour les aider à combler les lacunes avec d’excellents coéquipiers qui sont bons dans des domaines pour lesquels ils ne sont peut-être pas bons. Le sport m'a donné les compétences nécessaires pour me concentrer sur le travail acharné et la motivation, et m'a donné un cadre pour créer une équipe efficace et la motiver à donner le meilleur d'elle-même.

Votre père, John Calipari , est un entraîneur de basket-ball professionnel. Était-il un mentor pour vous ?

Il était un mentor extraordinaire, mais plus par les choses qu'il faisait que par les choses qu'il disait. Quand j'étais au collège, il a été viré. Le regarder se faire virer, puis revenir et dire : " Vous savez quoi, tout va bien ; Je vais me lever et recommencer " – c'était vraiment important pour moi de réaliser que même lorsque les choses semblent être d'énormes échecs, c'est parfois le début de quelque chose de nouveau.