Tout comme Google l’a fait avec Internet il y a 30 ans, un nouveau moteur de recherche appelé Malva permet aux scientifiques et aux outils d’intelligence artificielle de rechercher des données spécifiques dans des millions de cellules en quelques secondes, accélérant ainsi des processus qui nécessitent actuellement des recherches complexes pendant plusieurs jours. Cette avancée pourrait faciliter de nouveaux développements scientifiques et médicaux.
Au cours de la dernière décennie, la biologie cellulaire est entrée dans une ère d’abondance de données. Les technologies de séquençage de l’ARN unicellulaire et de transcriptomique spatiale permettent d’observer quelles molécules d’ARN sont présentes dans des cellules individuelles et, dans certains cas, où elles se trouvent dans un tissu.
Le problème n’est plus tant d’obtenir des informations que de les trouver parmi d’énormes quantités de données. Aujourd’hui, une équipe scientifique du Centre Max Delbrück de Berlin, en Allemagne, propose une solution inspirée de Google : Malva, un moteur de recherche capable de localiser des séquences d’ARN dans des dizaines de millions de cellules en quelques secondes.
L’étude, publiée dans la revue Nature, repose sur une limitation fondamentale des outils actuels. Les atlas de grandes cellules convertissent généralement les séquences en comptes de gènes en les comparant à un génome de référence.
Le « Google » qui simplifie les recherches génétiques
Ce procédé est très utile pour de nombreuses applications, mais il élimine également certaines informations d’origine : des variantes rares, des mutations, des séquences qui ne correspondent pas au génome de référence ou des versions différentes d’un même élément peuvent être masquées. Récupérer directement ces données nécessiterait de télécharger et de retraiter des pétaoctets de fichiers, une tâche hors de portée de la plupart des laboratoires.
Malva change l’approche : au lieu de simplement demander quels gènes sont exprimés, il permet de rechercher directement des séquences nucléotidiques dans les données originales. Son indice, en constante augmentation, rassemblait au moment de l’étude quelque 74 millions de cellules issues de milliers d’expériences sur la santé et la maladie.
Les chercheurs peuvent saisir une séquence, un gène, une région spécifique ou même une requête en langage naturel et récupérer des cellules contenant le signal souhaité, ainsi que des informations sur les tissus, les maladies et d’autres métadonnées.
Tout se résume à quelques secondes
La vitesse est l’un des éléments les plus importants à prendre en compte. Lors des tests, la recherche d’un k-mer, un petit fragment de séquence, a pris environ 70 millisecondes, tandis que l’interrogation d’une transcription de 1 kilobase a pris environ 0,9 seconde.
Une recherche de 1 000 transcriptions pourrait être effectuée en une minute environ, en utilisant un seul cœur de processeur. Dans un autre test, le système a indexé un atlas du foie de souris avec environ 61 milliards de lectures en 24 heures de CPU, avec une consommation de mémoire maximale de 8 Go.
L’importance scientifique de ce changement réside dans les questions qui peuvent désormais se poser, selon un communiqué. Les chercheurs ont montré, par exemple, que Malva peut détecter les mutations somatiques associées au cancer directement dans les données d’ARN unicellulaire.
Malva vous permet de rechercher directement des séquences d’ARN et d’explorer les signaux biologiques que les analyses traditionnelles peuvent laisser derrière elles. / Crédit : Nature (2026). DOI : 10.1038/s41586-026-10975-w
Des altérations génétiques difficiles à trouver
L’analyse a porté sur 280 échantillons de tumeurs provenant de 16 types de cancer et a montré une sensibilité et une spécificité élevées, même pour les variantes présentes dans un petit nombre de cellules. Cela vous permet de rechercher certaines altérations génétiques à grande échelle sans réaligner toutes les données ni exécuter d’outils spécialisés de détection de variantes.
La plateforme offre également une fenêtre sur les phénomènes de l’ARN que les atlas conventionnels simplifient souvent à l’extrême. Les gènes peuvent produire différentes versions alternatives du même transcrit, appelées isoformes, avec des fonctions différentes selon le type de cellule.
Malva a permis d’identifier des modèles spécifiques d’utilisation des isoformes et, par exemple, de reproduire les différences connues du gène Ptprc dans différentes populations de lymphocytes. Vous pouvez également rechercher des ARN circulaires, qui sont souvent exclus des tableaux d’expression génique conventionnels.
Référence
Découverte de séquences ultrarapide et sans référence dans des données unicellulaires. Daniel León-Periñán et al. Nature (2026). DOI :https://doi.org/10.1038/s41586-026-10975-w
Un premier pas vers de nouvelles découvertes
Un autre aspect particulièrement prometteur est son caractère indépendant du génome de référence. Cela vous permet de localiser des séquences qui ne correspondent pas bien aux références standards et d’étendre la recherche à des organismes autres que les humains, notamment les virus, les bactéries et les champignons.
Les auteurs soulignent que cette capacité pourrait faciliter les études sur les agents pathogènes présents dans les cellules, les variantes génétiques rares ou les séquences inconnues qui restaient jusqu’à présent cachées dans les données. De plus, Malva permet de connecter les recherches avec des modèles d’intelligence artificielle et des réseaux de neurones, ouvrant ainsi la possibilité d’automatiser des analyses de plus en plus complexes.
La vraie nouveauté réside dans la récupération de la résolution des séquences que les autres méthodes perdent souvent lors de l’agrégation des données. Pour l’instant, la plateforme est accessible gratuitement aux scientifiques et ses créateurs travaillent sur une éventuelle exploitation commerciale, avec un brevet en instance.
Le potentiel va au-delà de l’accélération d’une recherche : dans un domaine dans lequel des pétaoctets d’informations sont générés chaque année, disposer d’un outil capable d’interroger directement ces archives biologiques peut changer les questions à aborder. Sans aucun doute, transformer une question auparavant irréalisable en une recherche de quelques secondes peut être le premier pas vers une découverte.
Source : Levante – EMV