Comment LinkedIn guide la découverte de nouveaux usages médicamenteux
Vous avez déjà été surpris par une suggestion LinkedIn qui vous propose un ami d’enfance ou un cousin éloigné ? Derrière cette magie se cache un puissant Graph Neural Network qui n’analyse pas seulement votre profil, mais aussi celui de vos contacts, et même celui de leurs contacts. Difficile à croire ? Pourtant, cette méthode permet aujourd’hui d’aller bien au-delà des réseaux sociaux.
Un algorithme qui capte plus que des profils pro
Sur LinkedIn, chaque utilisateur est un nœud d’un gigantesque graphe, connecté à d’autres nœuds par des liens représentant les relations professionnelles ou les interactions avec des publications. L’algorithme collecte les données de vos connexions directes, agrège ces informations, puis les réintègre à votre profil. À chaque itération, il puise un peu plus loin, jusqu’au « second cercle » de relations. Ce mécanisme permet non seulement de suggérer des collègues passés, mais parfois des liens familiaux ou amicaux inattendus.
Du réseau social au réseau de médicaments
Ce n’est pas une révolution, mais ça mérite le détour : les mêmes principes se retrouvent en bioinformatique. Pour accélérer le repositionnement de médicaments, on construit un graphe où les nœuds sont des molécules et des protéines, et où les liens représentent leurs interactions connues, issues de bases comme DrugBank. En appliquant un Graph Neural Network, on enrichit chaque molécule des informations de ses protéines voisines, puis on prédit de nouvelles interactions à tester en laboratoire. Résultat : on gagne un temps fou et on réduit les coûts de découverte.
GeNNius, un modèle en plein essor
Au laboratoire de Calcul Biologique de l’Université de Navarre, l’équipe a développé GeNNius, une implémentation optimisée de ces réseaux. En une minute, leur modèle peut évaluer plus de 23 000 interactions potentiel(le)s entre médicaments et protéines ! Certes, des défis subsistent—par exemple pour les molécules peu documentées, la confiance des prédictions reste faible—mais ces avancées ouvrent la voie à des recommandations personnalisées pour chaque patient.
En somme, l’algorithme LinkedIn n’aide pas seulement à étendre votre réseau professionnel, il inspire aussi des outils révolutionnaires pour la santé. Qui l’aurait cru ? Pourtant, la frontière entre réseaux sociaux et réseaux biomédicaux s’amincit de jour en jour.
👉 Source ici