L'intelligence artificielle marque une avancée majeure en prédisant avec précision la structure tridimensionnelle des protéines, ouvrant la voie à un développement accéléré de médicaments.
Image : DeepMind
L'un des plus grands défis de la biologie moléculaire consiste à comprendre comment les protéines se replient en une structure 3D complexe, qui détermine leur fonction. DeepMind, société britannique d'IA rachetée par Google en 2014, a relevé ce défi grâce à son algorithme AlphaFold, capable de prédire ces structures avec une grande précision.
«Une protéine est une chaîne linéaire d'acides aminés qui se replie en une structure 3D unique», explique Jan Steyaert, directeur du 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, les atomes d'une protéine doivent occuper une position précise. Connaître la structure permet de comprendre son fonctionnement.»
«Nous ne connaissons qu'un tiers de la structure des protéines de notre corps»
Sur environ 200 millions de protéines identifiées dans diverses formes de vie, seules 170 000 structures sont connues. «Nous ignorons même un tiers des structures protéiques humaines», note Steyaert. Traditionnellement, les scientifiques recourent à des méthodes expérimentales comme la cristallographie aux rayons X, un processus long et complexe qui n'aboutit pas toujours. «Nous n'avions pas décrypté les règles traduisant une séquence d'acides aminés en structure 3D», ajoute-t-il. «L'IA y parvient : c'est une percée historique.»
DeepMind a brillé lors du CASP (Critical Assessment of Structure Prediction), compétition biennale évaluant les prédictions de structures protéiques. Entraîné sur des séquences et structures connues, AlphaFold a surpassé plus de 100 équipes, obtenant un score médian de 92,4 sur 100 – un excellent accord avec les données expérimentales. «Cela change la donne», déclare le biologiste américain Andrei Lupas dans Nature. L'algorithme a résolu une structure sur laquelle son équipe peinait depuis dix ans. «Cela transformera la recherche et la médecine.»
Deux exemples de structures protéiques. La prédiction d'AlphaFold (bleu) correspond étroitement au résultat expérimental (vert).
Steyaert partage cet enthousiasme : «Chaque médicament cible une protéine spécifique, s'y liant comme une clé dans une serrure. Sans sa structure, nous testons à l'aveugle des milliers de composés. Connaître la « serrure » permet de concevoir la « clé » plus vite et à moindre coût.»
DeepMind envisage de mettre son outil à disposition des chercheurs, mais le biotechnologue Lennart Martens (UGent/VIB) tempère : «Ne rêvons pas : en tant qu'entreprise, ils monétiseront ce savoir-faire, notamment auprès des pharmas pour accélérer le développement de médicaments. Ils pourraient aider sur des maladies orphelines, mais pas au point de tout partager gratuitement.»
