Des scientifiques de la faculté de médecine de l'université de Washington ont utilisé l'intelligence artificielle pour concevoir de nouvelles molécules de protéines, ce qui ouvre des perspectives intéressantes pour la détection et le traitement des maladies.
L'efficacité d'un médicament dans le traitement d'une maladie dépend en grande partie de sa spécificité à se fixer sur la cible pathogène et de la force de cette fixation.
La quantité quasi infinie de formes potentielles de protéines rend extrêmement difficile la conception d'une protéine ayant à la fois une forte affinité (force de liaison) et une forte spécificité.
Trouver des protéines qui se lient fortement à des cibles peptidiques hélicoïdales telles que le glucagon, le neuropeptide Y et l'hormone parathyroïdienne était la tâche difficile à laquelle les chercheurs espéraient que l'IA pourrait les aider. Leur article, publié dans NatureL'IA a le potentiel de révolutionner le monde de l'éducation et de la formation. développement de médicaments.
Les chercheurs ont d'abord utilisé des méthodes d'apprentissage profond avec AlphaFold2 et RosettaFold. Ces programmes d'IA avancés ont été d'une grande aide pour la conception de nouvelles protéines, mais ils utilisent beaucoup de puissance de calcul.
Afin de trouver une méthode de conception de protéines plus efficace sur le plan informatique, les chercheurs se sont tournés vers une approche similaire à celle qui alimente les modèles de générateurs d'images d'IA tels que Stable Diffusion et DALL-E.
Le papier aujourd'hui @Nature décrit @UWproteindesign Protéine générée par l'IA avec une affinité et une spécificité de liaison exceptionnellement élevées. Cette biotechnologie a des implications pour le développement de médicaments, la détection de maladies et la surveillance de l'environnement. https://t.co/KhtGhiyf6I
- Salle de presse de UW Medicine (@uwmnewsroom) 18 décembre 2023
RFdiffusion
RFdiffusion est un modèle d'IA génératif révolutionnaire qui est entraîné sur des données provenant de structures protéiques connues. Le modèle affine et réorganise ensuite de manière itérative les atomes dans des structures protéiques définies.
RFdiffusion a été entraîné à éliminer itérativement le bruit des nuages d'atomes déconnectés, puis à les réorganiser en de nouvelles structures protéiques. Ce modèle a été utilisé conjointement avec l'outil logiciel ProteinMPNN conçu par le laboratoire Baker, qui fait partie de l'équipe de recherche de l'Institut de recherche sur les maladies infectieuses de l'Union européenne. Institut de conception des protéines à l'Université de Washington.
ProteinMPNN prend en entrée une structure protéique et utilise des techniques d'apprentissage profond pour identifier rapidement de nouvelles séquences d'acides aminés susceptibles de se replier dans des structures protéiques spécifiques.
Des résultats enthousiasmants
Les protéines conçues par les chercheurs présentaient une affinité et une spécificité exceptionnellement élevées pour les peptides qu'elles ciblaient. Cela signifie qu'elles pourraient potentiellement être utilisées pour créer des médicaments qui ciblent la cause d'une maladie plutôt que de se lier à des cibles non voulues et de provoquer des effets secondaires.
La synthèse des protéines n'est pas une nouveauté, mais cette nouvelle approche a permis de produire des protéines qui ont atteint la force d'interaction la plus élevée jamais observée entre une biomolécule conçue par ordinateur et sa cible.
David Baker, professeur de biochimie à l'UW Medicine et chercheur au Howard Hughes Medical Institute, est l'auteur principal de l'article de recherche.
M. Baker a expliqué l'importance de ces résultats en déclarant : "La capacité de générer de nouvelles protéines ayant une affinité et une spécificité de liaison aussi élevées ouvre un monde de possibilités, allant du traitement de nouvelles maladies à des diagnostics avancés".
De nombreuses maladies sont actuellement traitées à l'aide d'anticorps. Cependant, les anticorps sont coûteux à produire et n'ont pas une grande durée de vie.
Preetham Venkatesh, l'un des principaux chercheurs, a déclaré : "De nombreuses maladies sont difficiles à traiter aujourd'hui simplement parce qu'il est très difficile de détecter certaines molécules dans l'organisme. En tant qu'outils de diagnostic, les protéines conçues peuvent offrir une alternative plus rentable que les anticorps".
Les chercheurs ont pu valider leurs méthodes de biodesign en effectuant des tests en laboratoire en collaboration avec le Joseph Rogers Lab de l'Université de Copenhague et le Andrew Hoofnagle Lab de l'UW Medicine.
Cette recherche est un excellent exemple de la manière dont l'IA accélère le développement de nouveaux traitements pour les maladies. L'article doit encore faire l'objet d'une évaluation par les pairs, mais les premiers résultats sont très prometteurs.
