DeepMind dit qu'il libérera la structure de chaque protéine connue de la science

DeepMind

En décembre 2020, DeepMind a pris le monde de la biologie par surprise en résolvant un grand défi de 50 ans avec AlphaFold, un outil d'IA qui prédit la structure des protéines. La semaine dernière, la société basée à Londres a publié tous les détails de cet outil et a publié son code source.

Maintenant, l'entreprise a annoncé qu'elle avait a utilisé son IA pour prédire les formes de presque toutes les protéines du corps humain , ainsi que les formes de centaines de milliers d'autres protéines trouvées dans 20 des organismes les plus étudiés, y compris la levure, les mouches des fruits et les souris. Cette percée pourrait permettre aux biologistes du monde entier de mieux comprendre les maladies et de développer de nouveaux médicaments.

Histoire connexe

L'IA de repliement des protéines de DeepMind a résolu un grand défi de la biologie vieux de 50 ans

AlphaFold peut prédire la forme des protéines à l'intérieur de la largeur d'un atome. Cette percée aidera les scientifiques à concevoir des médicaments et à comprendre la maladie.

Jusqu'à présent, le trésor se compose de 350 000 structures protéiques nouvellement prédites. DeepMind dit qu'il prédira et publiera les structures de plus de 100 millions d'autres au cours des prochains mois, plus ou moins toutes les protéines connues de la science.

Le repliement des protéines est un problème que je surveille depuis plus de 20 ans, déclare Demis Hassabis, cofondateur et PDG de DeepMind. Cela a été un énorme projet pour nous. Je dirais que c'est la plus grande chose que nous ayons faite jusqu'à présent. Et c'est le plus excitant d'une certaine manière, car il devrait avoir le plus grand impact dans le monde en dehors de l'IA.

Les protéines sont constituées de longs rubans d'acides aminés, qui se tordent en nœuds compliqués. Connaître la forme du nœud d'une protéine peut révéler ce que fait cette protéine, ce qui est crucial pour comprendre le fonctionnement des maladies et développer de nouveaux médicaments ou identifier les organismes qui peuvent aider à lutter contre la pollution et le changement climatique. Déterminer la forme d'une protéine prend des semaines ou des mois en laboratoire. AlphaFold peut prédire des formes à l'atome le plus proche en un jour ou deux.

La nouvelle base de données devrait rendre la vie encore plus facile aux biologistes. AlphaFold peut être disponible pour les chercheurs, mais tout le monde ne voudra pas exécuter le logiciel lui-même. Il est beaucoup plus facile d'aller chercher une structure dans la base de données que de l'exécuter sur votre propre ordinateur, explique David Baker de l'Institute for Protein Design de l'Université de Washington, dont le laboratoire a construit son propre outil de prédiction de la structure des protéines, appelé RoseTTAFold , basé sur l'approche d'AlphaFold.

Au cours des derniers mois, l'équipe de Baker a travaillé avec des biologistes qui étaient auparavant coincés à essayer de comprendre la forme des protéines qu'ils étudiaient. Il y a beaucoup de recherches biologiques assez intéressantes qui ont été vraiment accélérées, dit-il. Une base de données publique contenant des centaines de milliers de formes de protéines prêtes à l'emploi devrait être un accélérateur encore plus important.

Cela semble étonnamment impressionnant, déclare Tom Ellis, un biologiste synthétique à l'Imperial College de Londres qui étudie le génome de la levure, qui est ravi d'essayer la base de données. Mais il prévient que la plupart des formes prédites n'ont pas encore été vérifiées en laboratoire.

Précision atomique

Dans la nouvelle version d'AlphaFold, les prédictions sont accompagnées d'un score de confiance que l'outil utilise pour indiquer à quel point il pense que chaque forme prédite est proche de la réalité. En utilisant cette mesure, DeepMind a découvert qu'AlphaFold prédisait les formes de 36 % des protéines humaines avec une précision correcte jusqu'au niveau des atomes individuels. C'est assez bon pour le développement de médicaments, dit Hassabis.

Auparavant, après des décennies de travail, seules 17% des protéines du corps humain avaient leurs structures identifiées en laboratoire. Si les prédictions d'AlphaFold sont aussi précises que le dit DeepMind, l'outil a plus que doublé ce nombre en quelques semaines seulement.

Même les prédictions qui ne sont pas totalement exactes au niveau atomique sont toujours utiles. Pour plus de la moitié des protéines du corps humain, AlphaFold a prédit une forme qui devrait être suffisamment bonne pour que les chercheurs puissent comprendre la fonction de la protéine. Le reste des prédictions actuelles d'AlphaFold sont soit incorrectes, soit concernent le tiers des protéines du corps humain qui n'ont aucune structure jusqu'à ce qu'elles se lient aux autres. Ils sont disquettes, dit Hassabis.

Le fait qu'il puisse être appliqué à ce niveau de qualité est une chose impressionnante, déclare Mohammed AlQuraish, biologiste des systèmes à l'Université de Columbia qui a développé son propre logiciel pour prédire la structure des protéines. Il souligne également que le fait d'avoir des structures pour la plupart des protéines d'un organisme permettra d'étudier le fonctionnement de ces protéines en tant que système, et pas seulement de manière isolée. C'est ce que je trouve le plus excitant, dit-il.

DeepMind publie ses outils et prédictions gratuitement et ne dira pas s'il a l'intention d'en tirer de l'argent à l'avenir. Il n'en exclut pas pour autant la possibilité. Pour mettre en place et gérer la base de données, DeepMind s'associe au Laboratoire européen de biologie moléculaire, une institution de recherche internationale qui héberge déjà une grande base de données d'informations sur les protéines.

Pour l'instant, AlQuraishi a hâte de voir ce que les chercheurs feront avec les nouvelles données. C'est assez spectaculaire, dit-il, je ne pense pas qu'aucun d'entre nous ait pensé que nous serions ici aussi rapidement. C'est ahurissant.

cacher