L’intelligence artificielle (IA) a apporté une contribution à la biologie générative avec la conception de protéines jamais vues auparavant. Des chercheurs de l' Université de Toronto ont utilisé cet outil pour développer des structures qui seraient apparues après des millions d'années de changements naturels.
Le système d'IA utilisé par les experts de Toronto a la capacité de concevoir des protéines dotées de multiples nouvelles fonctions et caractéristiques par rapport à celles connues. Les scientifiques qui ont collaboré au projet s'attendent à une révolution dans le domaine de la biologie générative et soulignent son potentiel pour contribuer au développement de médicaments . Les plans moléculaires ont été rendus possibles grâce à la même technologie qui permet actuellement l’imagerie sur les plateformes DALL-E et Midjourney.
Les experts ont assuré que garantir que les conceptions puissent avoir une véritable fonction biologique était un processus difficile. Avec l'aide d'autres programmes similaires, les chercheurs ont pu découvrir quelles variations spécifiques pouvaient apporter des changements au sein des cellules, donnant ainsi une plus grande confiance quant à leur efficacité, comme l'explique la publication Nature Computational Science .
Les travaux des chercheurs de l' Université de Toronto représentent une réalisation importante pour la santé. Le modèle qui a rendu possible la conception de nouvelles protéines s’appelle ProteinSGM et repose sur la technologie de diffusion générative, qui a démontré sa capacité à planifier les caractéristiques fonctionnelles. Le projet dispose également d'informations provenant d'archives biomoléculaires d'origine naturelle.
Philip M. Kim , professeur au Donnelly Centre for Cellular and Biomolecular Research, Université de Toronto, a expliqué le processus de travail en termes simples. Cela part des structures des molécules existantes ; Ces images sont introduites dans un modèle de diffusion générative, où elles sont modifiées avec l'intention que l'IA mémorise comment la structure a été transformée. Ensuite, le processus est recréé à l’envers. L'intelligence artificielle travaille les pixels aléatoires jusqu'à ce qu'ils les transforment en formes plus claires affichant de nouvelles protéines .
Jin Sub Lee , doctorant dans le laboratoire de Kim et premier auteur de l'article, a commenté que ce système permettait d'imaginer des plis à la fois possibles et fonctionnels. Les protéines sont constituées de chaînes d’acides aminés qui se replient en formes tridimensionnelles et déterminent ainsi leur fonction biologique. Tout au long de l'évolution, ces séquences ont été limitées en nombre et variées en complexité. Grâce à l’intelligence artificielle, les scientifiques ont commencé à concevoir des modèles de pliage jamais vus auparavant dans la nature.
Vérification des protéines de synthèse
La validation des nouvelles structures générées par ProteinSGM était encore plus difficile. Pour vérifier l'authenticité de ces nouvelles protéines, l'équipe de l'Université de Toronto a utilisé OmegaFold , une version améliorée du logiciel AlphaFold 2 développé par DeepMind . Cette plateforme utilise l’IA pour prédire la structure des protéines sur la base de séquences d’acides aminés. Avec la validation d'OmegaFold et des tests expérimentaux en laboratoire, il a été confirmé que les conceptions inédites sont fonctionnelles.
Cette avancée transforme la manière dont la biologie générative a été comprise et utilisée et représente également un grand potentiel pour l’ industrie médicale . Kim a noté que les prochaines étapes incluent l'expansion de l'utilisation de ProteinSGM pour la conception d' anticorps et d'autres protéines à fort potentiel thérapeutique pour traiter diverses maladies. Cela pourrait conduire au développement rapide de nouveaux médicaments et à l’émergence de thérapies supplémentaires pour traiter divers troubles.
Lee a également souligné la possibilité d'évoluer vers la co-conception de séquences et de structures protéiques, y compris des conformations complexes de chaînes latérales. Bien que cela ajouterait une plus grande complexité au processus, il a suggéré qu’une ingénierie appropriée pourrait rendre possible la conception de ces structures, ouvrant ainsi de nouvelles perspectives dans la recherche et le développement biomédicaux.