L'intelligence artificielle a réussi à prédire avec précision la structure 3D des protéines, une percée qui pourrait accélérer le développement de médicaments.
Image :DeepMind
C'est l'un des grands défis de la biologie moléculaire :comprendre comment les protéines se replient en une structure tridimensionnelle complexe. Ceci est important, car c'est cette structure qui détermine la fonction d'une protéine. DeepMind, une société britannique d'IA acquise par Google en 2014, a réussi à prédire avec précision les structures des protéines grâce à son algorithme AlphaFold.
«Une protéine consiste en une chaîne linéaire d'acides aminés qui se replie en une structure 3D unique», explique Jan Steyaert, qui dirige le Centre de biologie structurale de l'Institut flamand de biotechnologie (VIB) et de la VUB. «Tout comme un moteur doit être parfaitement assemblé pour fonctionner, tous les atomes d'une protéine doivent occuper une position précise. Si vous connaissez la structure d'une protéine, vous pouvez comprendre son fonctionnement."
'Nous ne connaissons qu'un tiers de la structure des protéines de notre corps'
Cette connaissance est limitée. Sur les quelque 200 millions de protéines connues dans toutes sortes de formes de vie, la structure n'est connue que pour environ 170 000. «Nous ne connaissons même qu'un tiers de la structure des protéines du corps humain», explique Steyaert. Jusqu'à présent, les scientifiques tentaient de découvrir expérimentalement la structure des protéines. Cela peut être fait en irradiant les protéines avec des rayons X et en dérivant la structure de la diffusion du faisceau, un processus complexe et long qui ne réussit pas toujours. "Nous n'avons pas encore été en mesure de comprendre les règles qui s'appliquent à la traduction d'un code de lettre en une structure 3D", explique Steyaert. "Si l'IA y parvient maintenant, ce sera une percée majeure."
DeepMind a participé au CASP (Critical Assessment of Structure Prediction), une compétition biennale pour prédire les structures des protéines. Les scientifiques ont formé leur algorithme avec les séquences d'acides aminés et les structures de protéines connues. Lors de la compétition, les participants se voient présenter des protéines dont la structure a été dévoilée très récemment et est encore tenue secrète. Leurs prédictions sont ensuite comparées à la structure déterminée expérimentalement. Un jury examine le nombre d'acides aminés qui se trouvent à une certaine distance de la position réelle. Cela produit un score de 0 à 100, un score de 90 et plus représentant un bon accord avec la structure réelle. AlphaFold a battu une centaine d'autres équipes et a obtenu un score médian de 92,4. "Cela change la donne", a déclaré le biologiste américain Adrei Lupas à Nature. L'algorithme a découvert la structure d'une protéine sur laquelle l'équipe de Lupas se mordait les dents depuis dix ans. "Cela va changer la recherche et la médecine."
Deux exemples de structures protéiques. La prédiction d'AlphaFold (bleu) correspond largement au résultat expérimental (vert).
Steyaert est également enthousiaste. « Chaque médicament agit sur une protéine spécifique en se liant à elle comme une clé sur une serrure. Nous connaissons souvent la cible souhaitée, mais pas la structure de cette protéine. Sans structure, nous devenons aveugles et devons essayer au hasard des milliers, voire des millions de clés chimiques jusqu'à ce que nous en trouvions une qui nous convienne. Si nous connaissons la structure de la cible, nous pouvons trouver une clé plus rapidement et moins cher car nous savons à quoi ressemble la serrure.'
DeepMind dit qu'il aimerait mettre son système à la disposition des chercheurs et étudie la meilleure façon de le faire. Selon le biotechnologue Lennart Martens (UGent/VIB), il ne faut pas se faire trop d'illusions. "Je ne m'attends pas à ce qu'ils partagent simplement cela ou qu'ils lancent des structures protéiques en ligne. Bien sûr, cela reste une entreprise et il y a beaucoup d'argent à gagner avec cela. Ils peuvent avoir peu d'objection à utiliser leur algorithme pour la recherche de peu d'intérêt commercial direct, faisant peut-être une exception pour la recherche sur les maladies orphelines. Mais je soupçonne qu'ils vendront principalement leurs services aux compagnies pharmaceutiques, ce qui leur permettra de développer des médicaments plus rapidement. Tout dépendra de la durée pendant laquelle DeepMind pourra rester le meilleur dans ce domaine, mais j'ai bien peur qu'ils ne jouent pas tout de suite à Sinterklaas."
