Les outils dont nous disposons pour comprendre le vivant ont énormément progressé au cours de ma vie. En l'espace de 20 ans à peine, la facture pour séquencer le génome humain d'une personne est passé de cent millions de dollars à moins de mille, et les volumes de données générés ont considérablement augmenté. Les innovations chimiques telles que les techniques de séquençage, les étiquettes fluorescentes et les réactions orthogonales ont joué un rôle essentiel dans bon nombre de ces progrès, tandis que la collaboration entre les disciplines devrait en apporter d'autres. Toutefois, la chimie pourrait également tirer profit de certaines idées provenant de la biologie.

Il faut reconnaître que les biologistes ont une longueur d’avance sur les chimistes dans la course à la digitalisation de l’apprentissage empirique. Sans même parler du « laboratoire du futur », certains laboratoires de biologie commerciale automatisent déjà de manière assez routinière des expériences biologiques complexes et de grande envergure. Les avantages qu’ils en retirent peuvent servir de boussole à mesure que la chimie se digitalise progressivement, mais nous pouvons aussi tirer des enseignements de certaines utilisations moins efficaces de ces innovations.

La biologie a rapidement pris conscience de ces avantages, en partie en raison de la nature de ses recherches. Les biologistes travaillent sur des systèmes complexes et interconnectés, caractérisés par des propriétés émergentes, ce qui nécessite des expériences de grande envergure pour explorer et démêler cette complexité et identifier les nombreux facteurs susceptibles d’entrer en jeu. Par exemple, pour comprendre comment les mutations ponctuelles affectent l’activité d’une protéine, il est possible que l’effet du changement d’un acide aminé en une position donnée dépende des acides aminés présents à d’autres positions. L’automatisation et les approches à haut débit, parfaitement adaptées à des protocoles répétitifs à grande échelle, permettent d’explorer ce champ des possibles plus efficacement et avec beaucoup moins de tâches fastidieuses.

Les expériences biologiques présentent également certains avantages intrinsèques : elles ont tendance à impliquer une palette d'opérations assez étroite, le solvant étant toujours de l'eau et le chauffage se limitant généralement à une température à peine supérieure à la température ambiante. Les technologies habilitantes qui ont eu le plus d'impact concernent donc en grande partie la distribution précise de petites quantités d'ingrédients aqueux dans de très petits récipients. Les sondes fluorescentes ont acquis une importance considérable précisément parce qu'elles permettent de suivre simultanément les résultats d'un très grand nombre d'expériences à l'aide d'une technologie d'imagerie relativement simple.

Les outils numériques permettent également de relever l'un des grands défis de la biologie. Les systèmes vivants sont sujets au bruit, ce qui peut entraîner des faux positifs et négatifs, si bien que la norme en biologie est de « tout faire en trois exemplaires ». Tout ce qui permet de réduire les erreurs aléatoires ou systématiques et d'augmenter le rapport signal/bruit est le bienvenu. Les robots de laboratoire sont aujourd'hui très appréciés pour leur capacité à répéter systématiquement des tâches simples mais essentielles telles que le pipetage.

L’autre grand avantage de la biologie digitalisée ne tient pas strictement à l’automatisation. Les expériences digitalisées imposent de consigner les instructions d’une manière qui peut être facilement structurée afin de maximiser l’apprentissage. Une fois toutes les opérations de laboratoire pertinentes codées explicitement dans le plan d’expériences, elles peuvent aisément être transformées en caractéristiques pour des modèles fondés sur les données. Peu importe alors qui réalise l’expérience, les instructions étant identiques, les résultats gagnent en fiabilité. Ces instructions peuvent aussi être partagées avec d’autres scientifiques, ce qui rend la recherche plus reproductible. C’est encore plus puissant lorsque la collecte des résultats et des flux de données provenant de différents équipements peut elle aussi être automatisée.

La capacité de tester simultanément des centaines, voire des milliers de possibilités permet aux biologistes de poser aujourd’hui des questions auxquelles il était auparavant impossible de répondre. Les chimistes n’en rêvent-ils pas eux aussi ? La digitalisation de l’exécution de toute la diversité des expériences de chimie sera beaucoup plus difficile, mais la biologie a tout de même beaucoup à nous apprendre, y compris sur la manière d’éviter certains écueils.

Les expériences digitalisées constituent un nouveau paradigme et il faut s’attendre à quelques ratés au moment d’adapter nos méthodes et notre manière de travailler. En tant que chimiste chargé de développement, je passais autrefois trois jours sur un seul essai, si bien que les capacités actuelles me paraissent stupéfiantes et que je ne suis pas surpris que certains s’emballent face à la promesse d’un débit expérimental massivement accru. Néanmoins, multiplier les expériences et collecter davantage de données n’est pas forcément garant d’une science de meilleure qualité. En réalité, ces approches peuvent même s’avérer plus coûteuses si les projets ne sont pas conçus pour exploiter pleinement leur potentiel.

La conception et l’analyse statistiques des expériences (ou des plans d’expériences) ont prouvé leur utilité en chimie depuis les années 50. Elles permettent de maximiser l’apprentissage, en particulier lorsque l’on ne peut tester qu’une petite partie de toutes les combinaisons possibles de niveaux de facteurs, parce que ces essais sont laborieux, longs et coûteux. Les plans d’expériences resteront essentiels, car ces contraintes pratiques demeurent la norme pour la plupart des travaux de laboratoire en R&D chimie et l’automatisation mettra du temps à changer la donne. Adopter durablement une approche fondée sur le DOE sera un gage d’efficacité à mesure que nous évoluerons vers des expériences de chimie entièrement digitalisées.

Les innovations numériques apportent des améliorations de plusieurs ordres de grandeur en matière de qualité, de volume et de rythme de collecte des données dans le domaine de l'apprentissage empirique en biologie. Il sera à la fois très intéressant et stimulant de s'adapter lorsque ces innovations feront leur apparition en chimie. Toutefois, nous devrions toujours nous efforcer de tirer le maximum des expériences que nous menons et de faire en sorte que chaque essai compte.

Si vous n'utilisez pas encore les plans d'expériences, vous pouvez vous familiariser avec ce précieux outil lors d'un atelier en ligne gratuit, animé par des experts en statistiques de JMP. Pour en savoir plus, inscrivez-vous ici.