De nouvelles recherches font progresser les fondements scientifiques de l'agriculture cellulaire, ouvrant la voie à des avancées prometteuses pour l'avenir de la production alimentaire.

Ces deux nouveaux articles mettent en lumière le potentiel prometteur de l'apprentissage automatique dans le domaine de l'agriculture cellulaire, qui consiste à produire des produits alimentaires d'origine animale, comme la viande, en cultivant directement des cellules animales plutôt qu'à partir d'animaux entiers. Ces travaux s'inscrivent dans le cadre d'une collaboration de longue date entre Amii et New Harvest, une association à but non lucratif qui se consacre à la promotion de l'agriculture cellulaire.

« Jusqu’à présent, la collaboration et les échanges entre les communautés de l’agriculture cellulaire et de l’apprentissage automatique ont été limités. Lorsque nous avons commencé à nous intéresser de plus près à ce domaine, nous avons pris conscience qu’il existait de nombreux domaines susceptibles d’être optimisés grâce à l’apprentissage automatique », explique Dave Staszak, responsable scientifique en apprentissage automatique chez Amii.

Bien qu'il s'agisse encore d'une technologie émergente, l'agriculture cellulaire pourrait permettre de relever certains des plus grands défis auxquels est confrontée l'industrie agroalimentaire mondiale, notamment la durabilité, les maladies d'origine alimentaire et les questions éthiques liées à l'élevage.

Ces nouvelles recherches s'appuient sur des techniques d'apprentissage automatique pour développer les outils et approches fondamentaux utilisés en agriculture cellulaire. Conformément à la politique open source de New Harvest et à la philosophie d'Amii, qui prône « l'IA au service du bien commun et de tous », ces deux articles de recherche ont pour objectif d'apporter de nouvelles ressources utiles au domaine de l'agriculture cellulaire, afin de favoriser la poursuite des recherches dans ce domaine au-delà de cette simple collaboration.

« Ces projets s’attaquent aux deux principaux obstacles à l’exploitation du potentiel de l’apprentissage automatique dans le domaine de l’agriculture cellulaire : le manque de données publiques et la pénurie de chercheurs possédant une expertise dans ces deux domaines », explique Bre Duffy, directrice de la recherche et de l’innovation responsables chez New Harvest.

« En veillant à ce que les données et les modèles que nous développons soient ouverts, ces projets commencent à jeter les bases permettant à l'ensemble du secteur d'utiliser des solutions d'apprentissage automatique. »

Une meilleure compréhension des milieux de culture

Le premier article, « Ensemble de données sur la thermostabilité des facteurs de croissance issu d’approches expérimentales et informatiques visant à accélérer le développement de la viande cultivée », a été publié en juin. Il a été coécrit notamment par Kiana Aghakasiri (étudiante à l’Université de l’Alberta travaillant avec Amii), Dave Staszak et Breanna Duffy (directrice de la recherche et de l’innovation responsables chez New Harvest). Cette recherche a été financée par Food System Innovations, une association à but non lucratif qui investit dans des solutions visant à rendre les protéines alimentaires plus durables.

Dans cet article, l'équipe a combiné des essais en laboratoire, de la modélisation informatique et des analyses documentaires assistées par des modèles de langage de grande envergure (LLM) afin de constituer un ensemble de données contenant des informations sur la tolérance à la chaleur des facteurs de croissance utilisés pour développer de la viande cultivée. Les facteurs de croissance constituent un élément essentiel de l'agriculture cellulaire : ils agissent comme un signal qui indique aux cellules de se développer et de se différencier en différentes structures composant la viande, telles que les muscles et la graisse.

Ces facteurs de croissance peuvent provenir de diverses sources végétales et animales, et différents facteurs de croissance peuvent se dégrader à des températures de cuisson variables. Il est essentiel, pour la sécurité alimentaire et la réglementation alimentaire, de comprendre comment ces facteurs de croissance réagissent aux différentes températures. En recueillant ces données auprès de différentes sources et en les compilant dans cet ensemble de données, les chercheurs de New Harvest et d’Amii offrent un outil précieux à l’ensemble de la communauté scientifique et contribuent à faire progresser l’avenir de la production alimentaire.

Une utilisation plus efficace des cultures de croissance

Le deuxième article, publié le mois dernier, s'intitule Une évaluation fondée sur les données des techniques d’optimisation des milieux de culture cellulaire, co-rédigé par Staszak, Ali Parsaee (ancien résident en apprentissage automatique chez Amii) et Miranda Stahn (ancienne responsable de programme chez New Harvest pour l’Ouest canadien). Il a bénéficié d’un financement de Schmidt Sciences, une initiative philanthropique fondée par Eric et Wendy Schmidt.

Cette recherche s’est concentrée sur l’optimisation des milieux de culture — c’est-à-dire les nutriments dans lesquels les cellules sont cultivées. Trouver la meilleure combinaison de nutriments et de facteurs de croissance est une tâche extrêmement difficile, compte tenu des milliards de combinaisons possibles à envisager. C’est également l’une des étapes les plus coûteuses du processus. Les chercheurs ont utilisé une forme d’optimisation bayésienne pour développer un modèle capable de prédire quels milieux de culture seraient les plus efficaces pour une production spécifique. Leur modèle a permis de déterminer les formulations optimales des milieux de culture bien plus rapidement que les méthodes statistiques traditionnelles, parfois en deux fois moins d’essais. Ce type d’optimisation pourrait réduire considérablement les coûts de production dans l’agriculture cellulaire et accélérer la mise en œuvre des projets.

« Les deux projets sur lesquels nous nous sommes concentrés ici constituent des problèmes très concrets et appliqués, et contribueront à résoudre deux des principaux obstacles qui empêchent cette technologie de se généraliser : la rentabilité et la sécurité », explique M. Staszak.

Ces deux articles s'inscrivaient dans le cadre de la deuxième phase de la collaboration de recherche entre Amii et New Harvest, visant à explorer comment l'apprentissage automatique pourrait faire progresser la science de l'agriculture cellulaire. La première phase s'était concentrée sur une synthèse des recherches actuelles sur l'apprentissage automatique dans ce domaine, tandis que la deuxième phase a fait appel à des experts pour appliquer des solutions d’apprentissage automatique aux principaux défis de l’agriculture cellulaire.