Gains :
- Être capable de distinguer où l'intelligence artificielle fait gagner du temps dans le flux de travail en biologie (question, conception, laboratoire, analyse, reporting) et où la séquence, le nombre, la source et les décisions éthiques sont laissées à l'humain, en fonction du niveau de risque.
- Capacité à faire la distinction entre un modèle de langage général et des modèles biologiques spécialisés (AlphaFold, Cellpose) formés pour un problème spécifique et à utiliser chacun d'eux dans la tâche appropriée.
- Capacité à appliquer une discipline de vérification qui vérifie indépendamment chaque sortie avec les quatre étapes Tableau/Données–Nombre–Source–Éthique
Biologie; Il s’agit d’une immense science des données qui s’étend de la cellule à l’écosystème, de la séquence d’ADN au repliement des protéines, d’une seule expérience à des centaines de milliers de mesures génétiques. Ces dernières années, le volume de ces données a tellement augmenté qu'une seule étude de séquençage de l'ARN (RNA-seq : méthode qui mesure quel gène dans la cellule est lu et dans quelle quantité) peut produire suffisamment de données pour un laboratoire pendant des années. C’est là que l’intelligence artificielle entre en jeu : en tant qu’assistant qui écrit du code, organise les données, produit des brouillons, résume la littérature et construit un cadre d’analyse. Notre objectif tout au long de ce module est de vous apprendre à utiliser l'IA non pas comme une « boîte magique » mais comme un outil qui accélère le travail quotidien du biologiste, mais dont chaque sortie doit être vérifiée par le biologiste.
Dans cette première unité, nous discuterons des domaines dans lesquels l'intelligence artificielle fait gagner du temps dans le flux de travail en biologie, des domaines dans lesquels la décision est laissée à l'humain et des erreurs commises dans cette profession qui doivent être prises en compte dès le début. Il y a un dicton que nous répéterons tout au long du module : l’IA accélère, le biologiste décide et porte la responsabilité.
Que fait exactement l’intelligence artificielle en biologie ?
Un grand modèle de langage (LLM) n’est pas un microscope, ce n’est pas un séquenceur d’ADN, ce n’est pas un moteur statistique. C'est un producteur de texte qui connaît très bien les modèles linguistiques et de codage. L’intériorisation de cette distinction dès le début constitue la base de toute discipline de vérification future.
Les tâches de biologie où l'IA est vraiment forte comprennent :
- Codage : filtrage d'une table pandas (data frame : structure de données tabulaire au format ligne-colonne), dessin d'un graphique, lecture d'un fichier FASTA (format texte standard stockant des séquences ADN/protéines) avec Python.
- Expliquer et enseigner : « Qu'est-ce que l'équilibre de Hardy-Weinberg ? Expliquer un concept comme celui-ci en le simplifiant.
- Réaliser un plan : La première ébauche d'une section méthodes, la charpente d'un email, un plan de présentation.
- Résumer et éditer : Réduire un long article en articles, rassembler des notes éparses.
- Conversion : code de construction pour mapper une liste de gènes à une forme d'identification (ID) différente.
Les tâches pour lesquelles l'IA n'est pas fiable sont : produire une valeur numérique précise (« se souvenir » de la valeur d'expression d'un gène), citer un article réel, rapporter avec précision la véritable fonction biologique d'une séquence, produire des décisions cliniques avec les données d'un patient.
Astuce : Adoptez une règle simple. Laissez l’IA « penser et organiser », mais laissez le « compter, mesurer et vérifier » se faire soit par le code que vous exécutez, soit par une vérification manuelle.
Deux « intelligences artificielles » différentes : modèle de langage et modèles biologiques spécifiques
Quand on parle d’« intelligence artificielle » en biologie, on parle en réalité de deux choses très différentes, et les confondre peut conduire à de graves erreurs. Le premier est le modèle de langage général que vous utiliserez le plus dans ce module : écrit du code, génère du texte, explique. Les seconds sont des modèles experts formés spécifiquement pour un problème biologique spécifique : AlphaFold qui prédit la forme d'une protéine, Cellpose qui compte les cellules dans une image microscopique, des classificateurs qui reconnaissent les sons des espèces. Les modèles experts sont beaucoup plus fiables que les modèles linguistiques dans leur domaine restreint car ils ont été formés sur des données biologiques réelles et testés dans ce domaine. Le modèle de langage, en revanche, sait « un peu tout » mais ne garantit l'exactitude des mesures dans aucun d'entre eux. Le flux de travail robuste combine les deux : le modèle de langage configure le code et le flux, l'expert effectue la mesure du modèle, le biologiste valide le résultat.
Séparation des tâches selon le niveau de risque
Toutes les tâches ne comportent pas le même risque. La mesure dans laquelle vous devriez remettre en question le résultat de l’IA dépend du préjudice qui surviendra si ce résultat est erroné. Le tableau ci-dessous incarne cette distinction.
Quête
Niveau de risque
le rôle de l'homme
Demander des éclaircissements pour apprendre un concept
faible
Confirmation avec la source, vérification logique
Imprimer le code d'analyse Python
moyen
Exécuter le code et le tester avec une situation connue
Cartographie des noms/identifiants de gènes
Moyen-élevé
Confirmation avec base de données officielle (NCBI, Ensembl)
Interpréter la fonction d'un tableau
haut
Les preuves expérimentales et la base de données sont obligatoires
Décision clinique/diagnostique
très élevé
L’intelligence artificielle ne doit jamais être utilisée seule
trois mini-cases
Cas 1 — Gain de temps : un doctorant a nettoyé manuellement la table de comptage d'ARN-seq de 24 échantillons à chaque fois ; Cela a pris environ 40 minutes. Il a écrit le code des pandas pour l'intelligence artificielle et l'a exécuté lui-même ; Le travail est tombé à 3 minutes. Point critique : testé une fois le code avec un petit échantillon et confirmé que le nombre total de lignées (18 542 gènes) était préservé.
Cas 2 — Piège à fausses citations : Un chercheur a demandé à AI « 5 sources sur l'utilisation de CRISPR dans la sélection végétale » pour l'introduction. Le modèle a produit 5 balises d’apparence réaliste ; mais le DOI (identifiant d'objet numérique : adresse permanente de l'article) de 3 d'entre eux n'était disponible dans aucune publication. Si le chercheur l’avait utilisé sans le confirmer, son article aurait été rejeté par le rapporteur.
Cas 3 — Hallucination numérique : Un enseignant demande : « Combien de gènes y a-t-il dans le génome humain ? » il a demandé et a écrit dans le presse-papier la valeur donnée par le modèle « environ 46 000 ». L'estimation actuelle est d'environ 19 000 à 20 000 gènes codant pour des protéines. Le mannequin a produit le mauvais numéro sur un ton confiant. Leçon : confirmez toujours le numéro avec une source à jour (Ensembl, GENCODE).
Étape par étape : un workflow d'IA sécurisé
- Définissez la tâche : écrivez ce que vous voulez en une phrase (« Code pour filtrer les gènes de faible expression à partir d'un tableau de comptage de 24 échantillons »).
- Donnez le contexte : spécifiez le format des données, les noms de colonnes, le nombre d'échantillons.
- Demandez le format de sortie : "Donnez du code Python fonctionnel, commentez ligne par ligne."
- Exécutez-le vous-même : essayez le code dans votre propre environnement ; Signalez-nous s’il y a une erreur.
- Test avec situation connue : Vérifiez avec un petit exemple dont vous connaissez le résultat.
- Vérification indépendante des faits : fournissez des chiffres et des affirmations critiques via une base de données officielle ou une méthode secondaire.
Modèles d'invite copiables
Rôle : Vous êtes un bioinformaticien expérimenté. Tâche : Écrire du code Python pour [données/analyse]. Contexte : Données [format], colonnes [nom], nombre d'échantillons [N]. Contrainte : Donner uniquement du code fonctionnel, ajouter des commentaires courts à chaque ligne, spécifier les bibliothèques.
Simplifiez ce concept comme si vous l'expliquiez à un étudiant de premier cycle : [concept]. Définissez-le en 3 phrases, donnez 1 analogie avec la vie quotidienne, corrigez 1 idée fausse courante.
Examinez mon plan d'analyse ci-dessous et indiquez-moi ses points faibles. Plus précisément : groupe témoin, nombre de répétitions, choix du test statistique. Plan : [texte]
Réduisez le résumé de cet article à 5 éléments : (1) question, (2) méthode, (3) principale conclusion et problème, (4) limitation, (5) inférence qui fonctionne pour moi. Texte : [résumé]
Invite faible/Invite forte
Faible : "Donnez-moi une analyse de l'expression génétique."
Güçlü : "J'ai un tableau des décomptes bruts d'ARN-seq provenant de 12 échantillons de contrôle et 12 échantillons de patients (CSV, gène de lignes, échantillon de colonnes). Énumérez les étapes de l'analyse d'expression différentielle ; expliquez quel outil Python/R j'ai utilisé à chaque étape et pourquoi ; justifiez la méthode de normalisation. Donnez d'abord le plan, pas le code. "
Différence : dans l'invite puissante, la structure des données, le nombre d'échantillons, le type de sortie et la demande de justification sont clairs. Dans une invite faible, le modèle est obligé de deviner et procède souvent avec des hypothèses incorrectes.
Erreurs courantes
- Faire en sorte que le modèle compte/mesure : demandez au LLM "combien de lignes y a-t-il dans ce tableau ?" demander. Demandez au code de le faire.
- Utilisation d'attributions sans vérification : le modèle peut créer des attributions réalistes. Vérifiez chaque DOI.
- S'appuyer sur un ton confiant : l'IA parle avec assurance même lorsqu'elle se trompe ; Le ton n’est pas une preuve d’exactitude.
- Ne pas donner de contexte : demander du code sans indiquer le format des données produit du code qui ne fonctionne pas.
- Coller des données confidentielles/patients : l'exportation de données de santé personnelles vers un modèle public est une violation éthique et légale (Unité 11).
- Mélanger les deux types de modèles : Laisser le modèle de langage faire le travail qui nécessite des mesures (structure, comptage de cellules) et contourner le modèle expert.
Attention : dans les travaux biologiques à fortes conséquences (cliniques, biosécurité, analyses menant à une publication), les résultats de l'IA ne remplacent pas une vérification par un expert compétent ; cela ne fait que l'accélérer. La responsabilité ultime incombe toujours à l'être humain.
La frontière de la connaissance de l’intelligence artificielle : segment éducatif et actualité
Tout ce qu'un modèle de langage « sait » provient des textes jusqu'à la date à laquelle il a été formé (segment de formation : la dernière fois que le modèle a vu les données). La biologie, en revanche, évolue rapidement : de nouvelles annotations de gènes, des versions mises à jour du génome (par exemple la transition du génome humain de référence de GRCh37 à GRCh38), de nouvelles classifications sont constamment publiées. Le modèle ne peut pas connaître un résultat après la date limite ou un nom de gène mis à jour ; Il peut même présenter des informations anciennes et obsolètes comme si elles étaient actuelles. Par conséquent, les noms d’espèces, les identifiants de gènes, les versions de bases de données et les statistiques actuelles doivent toujours être confirmés par la source officielle (NCBI, Ensembl, UniProt).
Une deuxième limite est la cécité de l’ambiguïté : que le modèle connaisse bien ou pas du tout un sujet, il répond sur le même ton confiant. Les gens hésitent lorsqu'ils disent « je ne suis pas sûr » ; Le modèle n'hésite pas. C'est pourquoi il est dangereux d'utiliser le ton comme mesure de confiance. Dans une réponse critique, on a demandé au modèle : « dans quelle mesure en êtes-vous sûr et comment le savez-vous ? » Poser des questions révèle parfois une incohérence ; Mais la confirmation finale est encore une fois une source indépendante.
Attention à la fenêtre contextuelle et au big data
Le modèle ne peut traiter qu'une certaine longueur de texte à la fois (fenêtre contextuelle : la quantité de texte que le modèle peut traiter en une seule fois). Coller un fichier génomique ou un tableau de dizaines de milliers de lignes directement dans le modèle dépasserait la limite et présenterait un risque pour la confidentialité. La bonne approche consiste à transmettre les données au code et non au modèle : le modèle écrit le code, le code traite les données. Lorsque l’on travaille avec du Big Data, cette distinction est fondamentale à la fois pour la sécurité et la précision.
Feuille de route de ce module
Dans les unités suivantes, nous mettrons ces principes en flux de travail concrets : principes fondamentaux de Python (Ü2), analyse de séquences (Ü3), données omiques et de grande dimension (Ü4), structure des protéines et AlphaFold (Ü5), détection d'images et d'espèces/cellules (Ü6), conception expérimentale (Ü7), analyse statistique (Ü8), visualisation (Ü9), littérature et écriture (Ü10), éthique et biosécurité (Ü11). La même discipline se répète dans chaque unité : l'intelligence artificielle produit, le biologiste vérifie.
En résumé
L'intelligence artificielle est un puissant assistant en biologie qui code, explique, génère des contours et résume ; mais ce n'est pas une calculatrice, une base de données ou un décideur. Distinguer le modèle de langage général et les modèles experts spécifiques. Séparez les tâches par niveau de risque : avancez rapidement sur les divulgations à faible risque, assurez-vous d'effectuer une vérification indépendante sur les revendications de numéro, d'attribution et de fonction à haut risque. Le biologiste qui intègre la discipline de vérification au flux de travail tire le meilleur parti de l’IA.
Tâche de candidature
Choisissez 3 tâches typiques de votre domaine d'études (par exemple, écrire du code, apprendre un concept, un résumé de la littérature). Classez chacun comme risque faible/moyen/élevé selon le tableau ci-dessus. Pour le risque élevé, écrivez en 2 phrases comment vous vérifieriez indépendamment le résultat. Ensuite, utilisez le modèle « Invite forte » pour attribuer une tâche à l'IA et tester la sortie avec une situation connue.
liste de contrôle
- [ ] J'ai classé ma tâche par niveau de risque.
- [ ] J'ai ajouté le format des données et le contexte à l'invite.
- [ ] J'ai laissé le comptage/mesure au code ou à moi-même, pas au modèle.
- [ ] J'ai vérifié chaque affirmation numérique et attribution auprès de sources indépendantes.
- [ ] J'ai délégué la mesure au modèle expert approprié et le flux au modèle de langage.
- [ ] Je n'ai pas fourni de données confidentielles/personnelles au modèle ouvert.
- [ ] J'ai accepté que la décision finale et la responsabilité m'appartiennent.