Le logiciel AlphaFold est un peu le nouveau héros de la bio-informatique et de la biologie structurale. Cet outil alimenté grâce à l’IA a été développé à partir de 2018 par DeepMind (filiale de Google) et il est particulièrement apprécié par les chercheurs pour ses performances exceptionnelles en matière de prédiction de la structure tridimensionnelle des protéines. Par exemple, il a été capable d’identifier des centaines de milliers de molécules potentiellement psychédéliques (famille de psychotropes incluant des molécules très variées, comme le LSD, la psilocybine ou la mescaline). Pour la médecine, c’est un tremplin vers le développement de nouveaux antidépresseurs.
En bref, AlphaFold a été un réel game changer : ses précisions ne se limitent pas aux frontières du domaine académiques, mais elles ont des implications pratiques. Il y a eu un avant et un après Alphafold ; auparavant, déterminer des structures protéiques était un processus très complexe et long. Certaines méthodes qu’on utilisait (cryo-microscopie électronique, cristallographie aux rayons X ou résonance magnétique nucléaire par exemple) pouvait prendre des mois pour accoucher de résultats exploitables. Aujourd’hui, tout a changé.
Une révolution dans la conception des médicaments
“AlphaFold est une révolution absolue” affirme Jens Carlsson, chimiste computationnel à l’Université d’Uppsala en Suède. En plus d’avoir déjà bouleversé la biologie, AlphaFold propose désormais une base de données publique colossale comportant environ 350 000 structures protéiques. Vous avez besoin de récupérer la structure tridimensionnelle de l’hémoglobine ? Tapez juste dans la barre de recherche du site et c’est chose faite !
Pour l’industrie pharmaceutique, ces structures sont essentielles pour identifier et améliorer des médicaments prometteurs.
Toutefois, certains spécialistes tempèrent tout de même leur enthousiasme. C’est le cas, par exemple, de Brian Shoichet, chimiste pharmaceutique à l’Université de Californie (San Francisco), qui explique son point de vue : “il y a une forme de hype. Chaque fois que quelqu’un affirme que tel ou tel outil va révolutionner la découverte de médicaments, cela appelle à une certaine prudence“.
Même si AlphaFold est très précis, ses prévisions ne sont pas toujours parfaites, mais finalement, quel outil l’est vraiment ?
La mise à l’épreuve d’AlphaFold
Pour tester les limites du modèle, des recherches ont été menées par Shoichet et Bryan Roth, biologiste structural à l’Université de Caroline du Nord (Chapel Hill). Les structures protéiques prédites par AlphaFold ont donc été soumises à une évaluation rigoureuse. Ils ont ainsi examiné à quel point ces structures étaient efficaces dans le contexte de la recherche de nouveaux médicaments. Cette analyse a été opérée principalement en regardant comment différents composés chimiques interagissaient avec ces protéines.
Un des indicateurs vérifiés était le taux de réussite, c’est-à-dire l’efficacité avec laquelle ces interactions menaient à des modifications significatives dans l’activité des protéines. Si le taux de réussite est élevé, cela signifie qu’un nombre important des composés soumis aux tests sont parvenus à modifier l’activité des protéines de manière notable.
Ils ont comparé les résultats prédits par AlphaFold, et ceux obtenus par des méthodes traditionnelles expérimentales. À leur grande surprise, les résultats étaient quasiment identiques. Shoichet a déclaré : “c‘est un résultat véritablement nouveau“. Cela signifie qu’AlphaFold est redoutablement efficace.
L’équipe de Carlsson, lors d’autres travaux non publiés, ont découvert que les structures prédites par AlphaFold pour identifier des médicaments étaient efficaces et précises dans 60 % des cas.
Limites et potentiel futur
Même si ces résultats sont très prometteurs globalement, AlphaFold, comme n’importe quel modèle, présente des limites. Karen Akinsanya est présidente de la recherche et du développement pour les thérapeutiques chez Schrödinger, une entreprise de logiciels pour médicaments basée à New York. Son opinion est claire à propos d’AlphaFold : “ce n’est pas une panacée“.
Si certaines des structures prédites sont très utiles pour des groupes de médicaments en particulier, ce n’est pas le cas pour tous. En effet, une autre étude a prouvé qu’AlphaFold pouvaient considérer certaines de ses prédictions comme étant très précises dans 10 % des cas, mais qu’elles différaient sensiblement de la structure trouvée de manière expérimentale.
Rien qui ne remette sensiblement en question le potentiel du modèle de DeepMind. En effet, selon les estimations de Shoichet, une structure prédite par AlphaFold pourrait accélérer un projet dans un tiers des cas. Même si celui-ci admet que les prédictions ne sont pas universellement utiles, il explique : “il y a de nombreux modèles que nous n’avions même pas pris la peine d’essayer, car nous les pensions de très mauvaise qualité“.
Isomorphic Labs est une filiale de DeepMind qui s’est spécialisée dans la découverte de médicaments. Celle-ci espère bien capitaliser sur ces gigantesques avancées en signant des contrats avec des géants de l’industrie pharmaceutique comme Eli Lilly and Company ou Novartis.
AlphaFold est donc un bond de géant dans le domaine de la biologie, et par extension de la recherche médicale. En considérant que ce modèle est encore au stade de sa prime jeunesse, les résultats qu’il fournit sont exceptionnels. Le potentiel qu’il porte dans la découverte de nouvelles substances thérapeutiques est indéniable, et il sera certainement un des moteurs du progrès médical dans les années à venir.
- AlphaFold est un modèle d’IA de prédiction de structures protéiques qui a le potentiel de révolutionner la conception de médicaments.
- Il a été mis à l’épreuve en le comparant aux méthodes expérimentales classiques, et les résultats ont été réellement convaincants.
- Même s’il a ses limites, DeepMind, l’entreprise qui l’a développé, compte bien mettre à profit la puissance de son modèle en collaborant avec de grands groupes pharmaceutiques.
📍 Pour ne manquer aucune actualité de Presse-citron, suivez-nous sur Google Actualités et WhatsApp.
