L’intelligence artificielle a élaboré les structures de 200 millions de protéines (c’est pratiquement toutes)

Le groupe d’intelligence artificielle DeepMind a dévoilé les structures de presque toutes les protéines connues de la science.

Les chercheurs ont réalisé l’exploit en utilisant le programme AlphaFold, que DeepMind a développé pour la première fois en 2018 et rendu public en juillet 2021. Le programme open source peut prédire la structure 3D d’une protéine à partir de sa séquence d’acides aminés, les éléments constitutifs qui composent les protéines. UN protéineLa structure de dicte ses fonctions, de sorte que la base de données de 200 millions de structures protéiques identifiées par AlphaFold a le potentiel d’aider à identifier de nouveaux chevaux de bataille protéiques que les humains peuvent utiliser.

Par exemple, la base de données peut inclure des protéines qui peuvent aider au recyclage des plastiques, selon Le gardien (s’ouvre dans un nouvel onglet).

« Il nous a fallu beaucoup de temps pour parcourir cette énorme base de données de structures, mais [it] a ouvert toute une gamme de nouvelles formes tridimensionnelles que nous n’avions jamais vues auparavant et qui pourraient réellement décomposer les plastiques », a déclaré John McGeehan, professeur de biologie structurale à l’Université de Portsmouth au Royaume-Uni. « Il existe un paradigme complet décalage. Nous pouvons vraiment accélérer où nous allons à partir d’ici – et cela nous aide à diriger ces précieuses ressources vers les choses qui comptent. »

Plongez dans les protéines

Les protéines sont comme de minuscules puzzles impénétrables. Ils sont produits par des organismes allant de bactéries aux plantes aux animaux, et quand ils sont fabriqués, ils se replient en quelques millisecondes, mais leurs structures sont si complexes qu’il est presque impossible d’essayer de deviner quelle forme elles prendront. Cyrus Levinthal, un biologiste moléculaire américain, a souligné le paradoxe selon lequel les protéines se replient si rapidement et précisément malgré un grand nombre de configurations possibles. dans un article en 1969 (s’ouvre dans un nouvel onglet)estimant qu’une protéine donnée pourrait avoir 10^300 formes finales possibles.

Ainsi, écrit Levinthal, si l’on essayait d’obtenir la bonne forme de protéine en essayant chaque configuration une par une, cela prendrait plus de temps que le univers a existé jusqu’à présent pour arriver à la bonne réponse.

Les scientifiques ont des moyens de visualiser les protéines et d’analyser leurs structures, mais c’est un travail lent et difficile. La façon la plus courante d’imager les protéines est la cristallographie aux rayons X, selon le journal La nature (s’ouvre dans un nouvel onglet)qui consiste à transmettre rayons X à des cristaux solides de protéines et mesurer comment ces rayons sont diffractés pour déterminer comment la protéine est arrangée. Ce travail expérimental avait établi la forme d’environ 190 000 protéines, selon DeepMind (s’ouvre dans un nouvel onglet).

L’année dernière, DeepMind a publié des prédictions sur la forme des protéines pour chaque protéine du corps humain et dans 20 espèces de recherche, Live Science signalé précédemment. Maintenant, ils ont étendu ces prédictions aux protéines dans pratiquement tout.

« Cette mise à jour comprend des structures prédites pour les plantes, les bactéries, les animaux et d’autres organismes, ouvrant de nombreuses nouvelles opportunités aux chercheurs d’utiliser AlphaFold pour faire avancer leurs travaux sur des questions importantes, notamment la durabilité, l’insécurité alimentaire et les maladies négligées », Les représentants de DeepMind ont déclaré dans un communiqué (s’ouvre dans un nouvel onglet).

Faire fonctionner les protéines

AlphaFold fonctionne en accumulant des connaissances sur les séquences et les interactions d’acides aminés alors qu’il tente d’interpréter les structures des protéines. L’algorithme peut désormais prédire les formes de protéines en quelques minutes avec une précision jusqu’au niveau de atomes.

Les chercheurs utilisent déjà les fruits du travail d’AlphaFold. Selon The Guardian, le programme a permis aux chercheurs de caractériser enfin une clé protéine du parasite du paludisme (s’ouvre dans un nouvel onglet) qui ne se prêtait pas à la cristallographie aux rayons X. Cela, ont déclaré les chercheurs au Guardian, pourrait améliorer le développement de vaccins contre la maladie.

À l’Université norvégienne des sciences de la vie, le chercheur sur les abeilles Vilde Leipart a utilisé AlphaFold pour révéler la structure de la vitellogénine, une protéine reproductive et immunitaire fabriquée par tous les animaux pondeurs. La découverte pourrait conduire à de nouvelles façons de protéger les importants animaux pondeurs comme les abeilles et les poissons contre les maladies, a écrit Leipart dans un article de blog pour DeepMind (s’ouvre dans un nouvel onglet).

Le programme informe également la recherche de nouveaux produits pharmaceutiques, a déclaré Rosana Kapeller, PDG de ROME Therapeutics, dans le communiqué de DeepMind.

« La vitesse et la précision d’AlphaFold accélèrent le processus de découverte de médicaments », a déclaré Kapeller,
« et nous ne sommes qu’au début de la réalisation de son impact sur la fourniture plus rapide de nouveaux médicaments aux patients. »