La forme des protéines prédite avec précision grâce à l’intelligence artificielle
Une percée majeure qui ouvre de nouvelles perspectives dans la compréhension des maladies et la création de médicaments.
La structure en 3D d'une protéine détermine sa fonction spécifique.
Photo : DeepMind
Prenez note que cet article publié en 2020 pourrait contenir des informations qui ne sont plus à jour.
L’outil AlphaFold 2 d'intelligence artificielle développé par DeepMind, propriété d’Alphabet (Google), a réussi à prédire avec un très haut niveau de précision le repliement de dizaines de protéines.
L'entreprise entend soumettre ses travaux dans les prochains mois à une revue scientifique.
Nous sommes bloqués sur ce seul problème […] depuis près de 50 ans. Voir DeepMind y apporter une réponse après y avoir travaillé personnellement pendant si longtemps et après tant d'arrêts et de réflexions, c'est un moment très spécial
, se réjouit le Pr John Moult, de l’université américaine du Maryland.
Le repliement des protéines est un phénomène central de la recherche, et représente un véritable casse-tête pour les biochimistes. Il s’agit du processus perpétuel et universel par lequel les longues chaînes d’acides aminés, qui constituent les protéines de tous les êtres vivants, se replient en une spirale tridimensionnelle plus complexe.
En comprenant comment les protéines se replient, et quelles structures finales elles sont susceptibles d’adopter, les chercheurs peuvent éventuellement en prédire la fonction.
Il faut savoir que le repliement incorrect des protéines humaines cause des maladies dévastatrices comme l’alzheimer, le parkinson, la maladie de Huntington, l’emphysème et la fibrose kystique.
Mieux le cerner est ainsi essentiel à l’élaboration de traitements pharmaceutiques plus efficaces pour contrer ces maladies et autres affections.
En outre, être capable de prédire la structure des protéines pourrait être utile dans le cadre des efforts futurs de lutte contre les pandémies. D’ailleurs, au début de l’année, DeepMind a prédit plusieurs structures protéiques du nouveau coronavirus, le SRAS-CoV-2.
Un travail essentiel
La forme des protéines est étroitement liée à leurs fonctions. La capacité à prédire avec précision leur structure permettra de mieux cerner comment elles fonctionnent et leur rôle dans l’organisme. À ce jour, seule une petite fraction des 200 millions de protéines connues a été cartographiée en 3D.
La détermination des formes et des fonctions des protéines est un défi majeur de la recherche scientifique. Pour y parvenir, les scientifiques utilisent principalement des techniques expérimentales qui peuvent nécessiter des années de travail minutieux, et requièrent l'utilisation d'équipements spécialisés de plusieurs millions de dollars.
Pour y arriver plus rapidement, DeepMind a développé de nouvelles architectures d'apprentissage approfondi en s'inspirant des domaines de la biologie, de la physique et de l'apprentissage machine, ainsi que des travaux de nombreux scientifiques dans le domaine du repliement des protéines au cours du dernier demi-siècle.
L’outil AlphaFold 2 s’est formé sur une base de données publiques consistant en 170 000 structures, et en utilisant une quantité relativement modeste de calculs d'apprentissage machine.
