La plus grande nouvelle scientifique de 2021 : DeepMind résout 98,5%

En juillet, DeepMind a annoncé que son modèle AlphaFold avait déterminé comment la plupart des protéines de notre corps se replient. Pushmeet Kohli dit au New Scientist qu’il y a plus à venir

Par Matthieu Sparkes

Il a fallu des décennies aux scientifiques pour débloquer la structure de seulement 17 % des protéines du corps humain. Mais la société d’IA basée au Royaume-Uni DeepMind a relevé la barre à 98,5% en juillet quand il a annoncé que son modèle AlphaFold pouvait calculer rapidement et de manière fiable la façon dont les protéines se replient. Cela pourrait conduire à des médicaments ciblés qui se lient à des parties spécifiques de molécules.

Nous avons rencontré Pushmeet Kohli chez DeepMind pour voir comment le travail progresse avec la cartographie de presque chacune des plus de 100 millions de protéines connues qui ont été séquencées à travers l’arbre de la vie.

Avez-vous été surpris du succès d’AlphaFold, étant donné que déterminer le repliement des protéines nécessitait auparavant de vastes superordinateurs ?

Nous avons avancé la thèse selon laquelle l’apprentissage automatique et l’IA avaient un rôle à jouer. Mais une grande partie de l’équipe n’était pas sûre que ce problème soit résolu. Cela a été une très agréable surprise.

Vous prévoyez de libérer beaucoup plus de structures protéiques. Pourquoi ne pas laisser le problème aux scientifiques qui ont désormais accès à AlphaFold ?

Nous avons ouvert le modèle et le code afin que n’importe qui sur la planète puisse trouver la structure de n’importe quelle protéine qu’il souhaite. Nous voyons déjà des universités et des laboratoires du monde entier utiliser notre code. Mais la raison pour laquelle nous développons la version de la base de données est qu’il y a beaucoup de temps et d’investissements impliqués, et vous ne voulez pas que différentes personnes trouvent la structure de la même protéine encore et encore, n’est-ce pas ? Ce sera très utile si nous le faisons une fois pour toutes, pour tout le monde.

Sur quoi travaillez-vous en premier ?

Nous avons reçu des commentaires de la communauté sur les organismes et les types de protéines que nous devrions ensuite prioriser. Nous travaillons donc sur cette feuille de route, pour finalement nous diriger vers ce à quoi nous nous sommes engagés, qui libère la structure de l’univers entier des protéines.

Cela implique-t-il de nouveaux travaux ou simplement l’application d’AlphaFold à grande échelle ?

L’équipe a constamment amélioré la précision du modèle. Mais nous voulons également étendre ce que AlphaFold peut faire. Donc, nous avions travaillé sur des protéines uniques, mais les complexes sont importants car lorsque vous examinez les mécanismes biologiques en jeu, il est très rare qu’une seule protéine interagisse simplement avec une autre sorte de petite molécule de manière isolée. Ainsi, les structures composites – c’est pour cela que nous avons développé AlphaFold.

Arriverez-vous un jour à un point où vous aurez tout cartographié et où AlphaFold pourra prendre sa retraite ?

Les protéines vont changer, la vie change. Au fur et à mesure que l’évolution opère, vous verrez différents types de protéines entrer en jeu. Et donc AlphaFold aura une vie, non seulement dans les complexes, mais aussi en réfléchissant à la façon dont la structure évolue.

Et le covid-19 ?

Très tôt, nous avons trouvé la structure de toutes les protéines du SRAS-CoV-2. Certains avaient été validés expérimentalement, mais beaucoup étaient très difficiles à déterminer par des méthodes expérimentales. Lorsque les scientifiques ont réellement trouvé les structures, il était intéressant de voir que les nôtres étaient bien cohérentes.

Maintenant, avec les variantes, encore une fois, il y a un élément selon lequel ces petites mutations entraînent des changements dans la structure, mais AlphaFold n’est actuellement pas sensible à de très petits changements. Nous voulons donc nous assurer que les futures versions d’AlphaFold soient réellement sensibles aux mutations.