Par Michael Le Page

Un système d’IA développé par la société britannique DeepMind a atteint l’objectif recherché depuis longtemps de prédire avec précision la forme des protéines à partir de leur seule séquence, un élément clé pour comprendre le fonctionnement de la machinerie de la vie Lors d’un concours, AlphaFold a pu égaler les deux tiers des résultats obtenus par des humains effectuant des expériences de laboratoire coûteuses et chronophages.

“J’ai été vraiment impressionné quand je l’ai vu”, déclare John Moult de l’Université du Maryland, l’un des organisateurs du concours “C’est la première fois que nous approchons de l’utilité expérimentale, ce qui est assez extraordinaire”

Les protéines sont vitales pour la vie Les cellules sont remplies de machines – des turbines qui génèrent de l’énergie aux transporteurs qui marchent le long des pistes tirant des marchandises – qui sont construites à partir de protéines, et les formes de ces machines sont cruciales Par exemple, le coronavirus peut entrer et infecter les cellules parce que la protéine de pointe à sa surface s’insère dans un récepteur sur les cellules humaines, comme une clé dans une serrure.

Ces formes dépendent de la séquence de 20 acides aminés différents qui sont enchaînés pour fabriquer des protéines Il est facile de déterminer la séquence de n’importe quelle protéine car elle est déterminée par l’ADN qui la code Mais malgré un demi-siècle d’efforts, les biologistes n’avaient pas encore pu déterminer la forme d’une protéine à partir de sa seule séquence.

Au lieu de cela, ils ont dû s’appuyer sur des méthodes expérimentales telles que la cristallographie aux rayons X, qui consiste à analyser le diagramme de diffraction formé lorsqu’un faisceau de rayons X est tiré à travers un cristal de protéine.

“C’est extrêmement difficile”, déclare John Jumper, qui dirige l’équipe AlphaFold chez DeepMind La fabrication de cristaux de certaines protéines est difficile et l’interprétation des schémas de diffraction peut être délicate

Le calcul à force brute basé uniquement sur la physique n’est pas une option, car les protéines sont trop complexes Au lieu de cela, de nombreux groupes dans le monde se sont tournés vers l’apprentissage automatique, où les systèmes d’IA sont entraînés à l’aide d’ensembles de données de structures protéiques connues.

Pour chaque protéine cible, des groupes comprenant DeepMind recherchent des variantes trouvées dans des espèces apparentées et introduisent leur séquence et leur structure dans le système d’IA, ainsi que la séquence de la protéine cible L’idée est que le système apprend à déterminer la forme de la protéine cible en examinant les modèles liant séquence et structure

En 1994, Moult et un collègue ont mis sur pied le concours CASP (Critical Assessment of protein Structure Prediction) pour juger de la performance des prédictions informatiques Tout groupe souhaitant entrer reçoit les séquences de protéines dont la structure a été déterminée expérimentalement mais pas encore publiée

Les formes prédites sont notées sur 100 en fonction de la proximité de chaque acide aminé par rapport à la position déterminée par l’expérience Un score supérieur à 90 est considéré comme équivalent aux résultats obtenus par des expériences

Lors de la compétition 2016, la meilleure équipe a obtenu un score médian d’environ 40 dans la catégorie la plus difficile En 2018, la première version d’AlphaFold a obtenu un score médian de près de 60 dans cette catégorie Cette année, un AlphaFold redessiné a obtenu un score médian de 87 dans la catégorie la plus difficile Dans toutes les catégories, il a obtenu un score supérieur à 90 pour les deux tiers des protéines

Bien que ce résultat soit incroyable, il y a eu des échecs manifestes, dit Moult Par exemple, AlphaFold ne fonctionnait pas bien avec une protéine dont la structure est influencée par les interactions avec d’autres protéines qui l’entourent

Cette variabilité pourrait être un problème, mais AlphaFold fournit également une mesure de la fiabilité de ses prédictions, afin que les scientifiques sachent sur lesquelles s’appuyer, dit Jumper. “C’est énorme”

Séparé de la concurrence, Andrei Lupas de l’Institut Max Planck pour la biologie du développement en Allemagne essayait de déterminer la structure d’une protéine particulière depuis une décennie jusqu’à ce que DeepMind propose son aide Quelques ajustements ont été nécessaires pour améliorer la précision, mais l’équipe de Lupas avait la structure finale dans la demi-heure suivant la réception de la prédiction d’AlphaFold «C’est étonnant», dit-il “C’est vraiment étonnant”

Lupas pense que pour les prochaines années, les chercheurs devront encore faire des travaux expérimentaux pour vérifier les prédictions de forme, mais pourront à terme se fier uniquement au calcul Cela fera une énorme différence, dit-il, mais la vraie révolution viendra de pouvoir utiliser des ordinateurs pour prédire comment les protéines interagissent avec d’autres molécules.

«Cela changera complètement le visage de la médecine», déclare Lupas Par exemple, AlphaFold a pu prédire les formes de plusieurs protéines de coronavirus peu de temps après la première séquence du virus en janvier, dit-il. Mieux encore serait d’avoir la capacité de prédire lequel des milliers de médicaments existants se lie à ces protéines et pourrait avoir un effet thérapeutique, sans avoir à faire des expériences coûteuses.

DeepMind a révélé peu de détails sur AlphaFold jusqu’à présent, mais annonce qu’il publiera bientôt un article La société n’a pas été en mesure de dire comment les scientifiques pourront avoir accès à la technologie, mais dit qu’elle souhaite qu’elle soit largement disponible. «Nous voulons nous assurer que cela aura le plus grand impact», déclare Pushmeet Kohli de DeepMind

DeepMind, intelligence artificielle, protéines, biologie, repliement des protéines, CASP

Actualités – FR – Le biologiste IA de DeepMind peut déchiffrer les secrets de la machinerie de la vie
Titre associé :
& # 39; Cela va tout changer & # 39 ;: L’IA de DeepMind& fait un bond gigantesque dans la résolution des structures protéiques
Comment les protéines se replient-elles?
L # 39; un des plus grands mystères de la biologie & & largement résolu& # 39; par AI
Le biologiste de l’IA de DeepMind& peut déchiffrer les secrets de la machinerie de life
DeepMind revendique une avancée majeure dans la compréhension des protéines
DeepMind AI corrige un problème vieux de 50 ans de repliement des protéines
L’intelligence artificielle DeepMind brise une énigme scientifique vieille de 50 ans
London AI Lab Réclamation d’une percée qui pourrait accélérer la découverte de médicaments
& # 39; Le jeu a changé& # 39; L’IA triomphe dans la résolution des structures protéiques
L’IA a résolu A 50 -Problème scientifique vieux d’un an qui pourrait aider à changer la façon dont les maladies sont traitées

Source: https://www.newscientist.com/article/2261156-deepminds-ai-biologist-can-decipher-secrets-of-the-machinery-of-life/

En s’appuyant sur ses expertises dans les domaines du digital, des technologies et des process , CSS Engineering vous accompagne dans vos chantiers de transformation les plus ambitieux et vous aide à faire émerger de nouvelles idées, de nouvelles offres, de nouveaux modes de collaboration, de nouvelles manières de produire et de vendre.

CSS Engineering s’implique dans les projets de chaque client comme si c’était les siens. Nous croyons qu’une société de conseil devrait être plus que d’un conseiller. Nous nous mettons à la place de nos clients, pour aligner nos incitations à leurs objectifs, et collaborer pour débloquer le plein potentiel de leur entreprise. Cela établit des relations profondes et agréables.

Nos services:

  1. Création des sites web professionnels
  2. Hébergement web haute performance et illimité
  3. Vente et installation des caméras de vidéo surveillance
  4. Vente et installation des système de sécurité et d’alarme
  5. E-Marketing

Toutes nos réalisations ici https://www.css-engineering.com/en/works/