Est-ce possible de prédire avec précision les structures de nombreuses protéines dans le corps humain grâce à l’intelligence artificielle ? Dans un passé pas si lointain, cinq ans pour être exact, le laboratoire de recherche de Google, DeepMind, a présenté AlphaFold, un système d’IA qui a été conçu pour accomplir exactement cette prouesse.
Et quel a été leur progrès depuis lors ? Comme il ne fait aucun doute que le travail dans le laboratoire est continu, DeppMind a apporté des améliorations notables au système, aboutissant à une version mise à jour et plus performante d’AlphaFold — AlphaFold 2 — publiée en 2020.
AlphaFold peut désormais générer des prédictions pour pratiquement toutes les molécules enregistrées dans la Protein Data Bank, la plus grande base de données ouverte sur les molécules biologiques.
Ace jour, le successeur d’AlphaFold 2, la dernière version d’AlphaFold, fait des vagues dans le secteur. Mais qu’en est-il réellement ? Des laboratoires isomorphes, une scission de DeepMind axée sur la découverte de médicaments, appliquent le nouveau modèle AlphaFold à la conception thérapeutique de médicaments. N’est-ce pas une grande avancée ?
Les nouvelles capacités d’AlphaFold s’étendent au-delà de la simple prédiction protéique. Comme DeepMind l’affirme, le modèle peut également prédire avec précision les structures des ligands — les molécules qui se lient aux protéines « réceptrices » et provoquent des changements dans la communication cellulaire — ainsi que les acides nucléiques (molécules contenant des informations génétiques clés) et les modifications post-traductionnelles (changements chimiques qui se produisent après la création d’une protéine).
La prédiction des structures protéine-ligand peut être un outil utile dans la découverte de médicaments, note DeepMind. Elle peut aider les scientifiques à identifier et à concevoir de nouvelles molécules qui pourraient devenir des médicaments. Actuellement, les chercheurs pharmaceutiques utilisent des simulations informatiques connues sous le nom de « méthodes de docking » pour déterminer comment les protéines et les ligands interagiront.
Pourtant, malgré ces avancées, le dernier AlphaFold n’est pas parfait. Dans un livre blanc détaillant les forces et les limites du système, les chercheurs de DeepMind et d’Isomorphic Labs révèlent que le système est en deçà de la meilleure méthode pour prédire les structures de molécules d’ARN. Cela signifie-t-il que les laboratoires DeepMind et isomorphes travaillent à y remédier ? Absolument, car leur but ultime est la découverte et la conception de médicaments plus ciblés et efficaces. La question reste alors: quels seront les prochains progrès de l’IA dans la prédiction des structures de protéines ?
Source : Techcrunch
