Une équipe de chercheurs de DeepMind a développé un système d’intelligence artificielle capable de concevoir des protéines qui s’attachent efficacement à des molécules spécifiques. Cette découverte pourrait justement avoir des répercussions significatives dans divers domaines, notamment la création de médicaments et l’étude des maladies.
Les protéines jouent un rôle capital dans tous les processus biologiques de notre corps. Leur capacité à interagir entre elles, à l’exemple d’une clé dans une serrure, est essentielle pour réguler de nombreuses fonctions cellulaires.
Bien que des outils comme AlphaFold aient déjà permis de mieux comprendre ces interactions, ils ne permettaient pas de créer de nouvelles protéines pour influencer directement ces processus.
Or, la création de nouvelles protéines capables de se lier à des molécules cibles spécifiques est un domaine prometteur pour la recherche.
Ces protéines de liaison peuvent en effet accélérer les progrès dans de nombreux secteurs.
Particulièrement le développement de médicaments, l’imagerie cellulaire, ou encore la compréhension des maladies, et même l’amélioration de la résistance des cultures aux parasites.
Mais malgré les progrès récents de l’apprentissage automatique dans le domaine de la médecine, le processus restait jusqu’à présent long et nécessitait de nombreux tests expérimentaux.
AlphaProteo, le premier système d’IA à concevoir une protéine de liaison efficace
L’AlphaProteo est le premier système d’IA capable de concevoir de nouvelles protéines de liaison à haute affinité.
Il s’agit d’une technologie qui pourrait accélérer notre compréhension des processus biologiques. Et donc, de contribuer à la découverte de médicaments et le développement de biocapteurs.
D’après DeepMind, AlphaProteo a la capacité de générer des protéines de liaison pour différentes cibles.
Jusqu’à présent, aucun système d’IA n’avait réussi à concevoir une protéine de liaison aussi efficace, en particulier pour une cible aussi complexe que le VEGF-A (Vascular Endothelial Growth Factor A).
Plus performant sur deux aspects
AlphaProteo a été soumis à une série de tests impliquant sept protéines cibles différentes. Les résultats de ces expériences ont révélé que le système surpasse significativement les méthodes existantes sur deux aspects clés.
Premièrement, il a montré un taux de réussite expérimentale plus élevé, indiquant une meilleure efficacité dans la conception de protéines fonctionnelles.
Deuxièmement, les protéines conçues par AlphaProteo ont démontré des affinités de liaison nettement supérieures, allant de 3 à 300 fois meilleures que celles obtenues avec les meilleures techniques actuelles.
Comment AlphaProteo peut-il générer des protéines ciblées avec précision ?
La création de protéines capables de se lier fortement à une cible spécifique est aujourd’hui un défi complexe.
Les approches classiques sont chronophages et nécessitent de nombreuses itérations en laboratoire.
Après la conception initiale, ces protéines doivent encore être affinées pour atteindre une affinité de liaison suffisante pour être fonctionnelle.
AlphaProteo a été développé en s’appuyant sur une vaste base de connaissances. Il a été entraîné sur les données de la Protein Data Bank (PDB). Mais aussi sur plus de 100 millions de structures prédites par AlphaFold.
Grâce à cet apprentissage, le système a acquis une compréhension approfondie des différents modes d’interaction entre molécules.
En gros, lorsqu’on lui fournit la structure d’une molécule cible et des zones de liaison préférentielles sur cette molécule, AlphaProteo est capable de générer une protéine candidate conçue pour se lier à ces endroits précis.
Une force de liaison d10 fois supérieure aux méthodes traditionnelles
Pour évaluer les performances d’AlphaProteo, des tests ont été menés sur diverses protéines cibles.
Parmi celles-ci figuraient deux protéines virales liées à l’infection. Il s’agit du BHRF1 et du SC2RBD, le domaine de liaison au récepteur de la protéine spike du SARS-CoV-2.
Cinq autres protéines impliquées dans le cancer, l’inflammation et les maladies auto-immunes font également partie des protéines cibles. À savoir le IL-7Rɑ, le PD-L1, le TrkA, le IL-17A et le VEGF-A.
Le système a démontré des taux de réussite de liaison très compétitifs et des forces de liaison exceptionnelles.
Pour les sept cibles testées, AlphaProteo a produit des protéines candidates in silico qui, lors des tests expérimentaux, se sont fortement liées aux protéines prévues.
Un autre cas d’études concerne la protéine virale BHRF1. Cette fois-ci, 88 % des molécules candidates générées par AlphaProteo ont réussi à se lier lors des expériences menées dans les installations de Google DeepMind.
En moyenne, sur l’ensemble des cibles testées, les liants créés par AlphaProteo ont montré une force de liaison de dix fois supérieure à celle obtenue avec les meilleures méthodes de conception existantes.
- Partager l'article :
