L'IA peut désormais concevoir des protéines qui se comportent comme des « transistors » biologiques

Jul 12, 2023

Nous considérons souvent les protéines comme des sculptures 3D immuables.

Ce n'est pas tout à fait juste. De nombreuses protéines sont des transformateurs qui se tordent et changent de forme en fonction des besoins biologiques. Une configuration peut propager des signaux dommageables provenant d’un accident vasculaire cérébral ou d’une crise cardiaque. Un autre peut bloquer la cascade moléculaire qui en résulte et limiter les dommages.

D'une certaine manière, les protéines agissent comme des transistors biologiques : des interrupteurs marche-arrêt à la base de « l'ordinateur » moléculaire du corps qui déterminent la manière dont il réagit aux forces et réactions externes et internes. Les scientifiques étudient depuis longtemps ces protéines qui changent de forme pour déchiffrer le fonctionnement de notre corps.

Mais pourquoi s’appuyer uniquement sur la nature ? Pouvons-nous créer à partir de zéro des « transistors » biologiques inconnus de l’univers biologique ?

Entrez dans l'IA. Plusieurs méthodes d’apprentissage profond peuvent déjà prédire avec précision les structures des protéines – une avancée majeure en cours depuis un demi-siècle. Des études ultérieures utilisant des algorithmes de plus en plus puissants ont halluciné des structures protéiques non liées aux forces de l’évolution.

Pourtant, ces structures générées par l’IA ont un inconvénient : bien que très complexes, la plupart sont complètement statiques – essentiellement, une sorte de sculpture protéique numérique figée dans le temps.

Une nouvelle étude publiée ce mois-ci dans Science a brisé le moule en ajoutant de la flexibilité aux protéines de synthèse. Les nouvelles structures ne sont pas des contorsionnistes sans limites. Cependant, les protéines de conception peuvent se stabiliser sous deux formes différentes – pensez à une charnière dans une configuration ouverte ou fermée – en fonction d’un « verrou » biologique externe. Chaque état est analogue au « 0 » ou au « 1 » d'un ordinateur qui contrôle ensuite la sortie de la cellule.

"Avant, nous ne pouvions créer que des protéines ayant une configuration stable", a déclaré l'auteur de l'étude, le Dr Florian Praetorius de l'Université de Washington. « Maintenant, nous pouvons enfin créer des protéines qui bougent, ce qui devrait ouvrir une gamme extraordinaire d’applications. »

L'auteur principal, le Dr David Baker, a des idées : "De la formation de nanostructures qui réagissent aux produits chimiques présents dans l'environnement aux applications dans l'administration de médicaments, nous commençons tout juste à exploiter leur potentiel."

Un petit peu de biologie 101.

Les protéines construisent et font fonctionner notre corps. Ces macromolécules commencent leur voyage à partir de l'ADN. L’information génétique est traduite en acides aminés, les éléments constitutifs d’une protéine – des perles illustrées sur un fil. Chaque corde est ensuite pliée en formes 3D complexes, certaines parties collant à d’autres. Appelées structures secondaires, certaines configurations ressemblent à des Twizzlers. D’autres se tissent en draps semblables à des tapis. Ces formes s’appuient les unes sur les autres, formant des architectures protéiques hautement sophistiquées.

En comprenant comment les protéines prennent leur forme, nous pouvons potentiellement en créer de nouvelles à partir de zéro, élargissant ainsi l’univers biologique et créant de nouvelles armes contre les infections virales et d’autres maladies.

En 2020, AlphaFold de DeepMind et RoseTTAFold du laboratoire David Baker ont brisé l'Internet de la biologie structurale en prédisant avec précision les structures des protéines en se basant uniquement sur leurs séquences d'acides aminés.

Depuis lors, les modèles d’IA ont prédit la forme de presque toutes les protéines connues – et inconnues – de la science. Ces outils puissants remodèlent déjà la recherche biologique, aidant les scientifiques à identifier rapidement des cibles potentielles pour lutter contre la résistance aux antibiotiques, étudier le « logement » de notre ADN, développer de nouveaux vaccins ou encore faire la lumière sur des maladies qui ravagent le cerveau, comme la maladie de Parkinson.

Puis vint une bombe : les modèles d’IA générative, tels que DALL-E et ChatGPT, offraient une perspective alléchante. Plutôt que de simplement prédire les structures protéiques, pourquoi ne pas laisser l’IA imaginer des structures protéiques complètement nouvelles ? D’une protéine qui lie les hormones pour réguler les niveaux de calcium aux enzymes artificielles qui catalysent la bioluminescence, les premiers résultats ont suscité l’enthousiasme et le potentiel des protéines conçues par l’IA semblait infini.

À la tête de ces découvertes se trouve le laboratoire de Baker. Peu de temps après la sortie de RoseTTAFold, ils ont développé un algorithme permettant de localiser les sites fonctionnels d'une protéine, là où elle interagit avec d'autres protéines, médicaments ou anticorps, ouvrant ainsi la voie aux scientifiques pour imaginer de nouveaux médicaments qu'ils n'avaient pas encore imaginés.