L’IA prédit la forme de presque toutes les protéines connues de la science
En 2020, un laboratoire d’intelligence artificielle appelé DeepMind a dévoilé une technologie capable de prédire la forme des protéines – les mécanismes microscopiques qui régissent le comportement du corps humain et de tous les autres êtres vivants.
Un an plus tard, le laboratoire a partagé l’outil, appelé AlphaFold, avec des scientifiques et a publié des formes prédites pour plus de 350 000 protéines, y compris toutes les protéines exprimées par le génome humain. Cela a immédiatement changé le cours de la recherche biologique. Si les scientifiques peuvent identifier les formes des protéines, ils peuvent accélérer la capacité à comprendre les maladies, créer de nouveaux médicaments et autrement sonder les mystères de la vie sur Terre.
Maintenant, DeepMind a publié des prédictions pour presque toutes les protéines connues de la science. Jeudi, le laboratoire basé à Londres, appartenant à la même société mère que Google, a déclaré avoir ajouté plus de 200 millions de prédictions à une base de données en ligne accessible gratuitement aux scientifiques du monde entier.
Avec cette nouvelle version, les scientifiques derrière DeepMind espèrent accélérer la recherche sur des organismes plus obscurs et déclencher un nouveau domaine appelé métaprotéomique.
« Les scientifiques peuvent désormais explorer toute cette base de données et rechercher des modèles – des corrélations entre les espèces et des modèles évolutifs qui n’étaient peut-être pas évidents jusqu’à présent », a déclaré Demis Hassabis, directeur général de DeepMind, lors d’un entretien téléphonique.
Les protéines commencent comme des chaînes de composés chimiques, puis se tordent et se plient en formes tridimensionnelles qui définissent la façon dont ces molécules se lient aux autres. Si les scientifiques peuvent identifier la forme d’une protéine particulière, ils peuvent déchiffrer son fonctionnement.
Cette connaissance est souvent un élément vital de la lutte contre la maladie et la maladie. Par exemple, les bactéries résistent aux antibiotiques en exprimant certaines protéines. Si les scientifiques peuvent comprendre le fonctionnement de ces protéines, ils peuvent commencer à contrer la résistance aux antibiotiques.
Auparavant, identifier la forme d’une protéine nécessitait une expérimentation approfondie impliquant des rayons X, des microscopes et d’autres outils sur une paillasse de laboratoire. Maintenant, compte tenu de la chaîne de composés chimiques qui composent une protéine, AlphaFold peut prédire sa forme.
La technologie n’est pas parfaite. Mais il peut prédire la forme d’une protéine avec une précision qui rivalise avec les expériences physiques environ 63% du temps, selon des tests de référence indépendants. Avec une prédiction en main, les scientifiques peuvent vérifier son exactitude relativement rapidement.
Kliment Verba, chercheur à l’Université de Californie à San Francisco, qui utilise la technologie pour comprendre le coronavirus et se préparer à des pandémies similaires, a déclaré que la technologie avait « suralimenté » ce travail, économisant souvent des mois de temps d’expérimentation. D’autres ont utilisé cet outil alors qu’ils luttent contre la gastro-entérite, le paludisme et la maladie de Parkinson.
La technologie a également accéléré la recherche au-delà du corps humain, y compris un effort pour améliorer la santé des abeilles. La base de données étendue de DeepMind peut aider une communauté encore plus large de scientifiques à tirer des avantages similaires.
Comme Hassabis, Verba pense que la base de données fournira de nouvelles façons de comprendre comment les protéines se comportent d’une espèce à l’autre. Il y voit aussi un moyen de former une nouvelle génération de scientifiques. Tous les chercheurs ne sont pas versés dans ce type de biologie structurale ; une base de données de toutes les protéines connues abaisse la barre à l’entrée. « Cela peut apporter la biologie structurale aux masses », a déclaré Verba.
Cet article a été initialement publié dans le New York Times.