Un nouveau système d'IA conçoit des protéines atome par atome, et elles fonctionnent
Un système d’intelligence artificielle générative qui conçoit des protéines et des acides nucléiques atome par atome a désormais publié son plan complet, et les protéines qu’il a inventées de toutes pièces ont réalisé la chimie prévue lors de réactions réelles en laboratoire.
Le système, appelé RFdiffusion3 ou RFD3, a été construit par une équipe internationale réunissant notamment l’Université de Washington aux États-Unis, l’Université d’Oxford au Royaume-Uni et la société de puces Nvidia. Les détails sont parus dans la revue Science, avec des rapports relayés par la presse technologique chinoise le 19 octobre. L’équipe comprend David Baker, le professeur de l’Université de Washington qui a partagé le prix Nobel de chimie 2024 pour ses travaux sur la conception computationnelle de protéines.
L’avancée concerne la résolution. Les outils antérieurs de conception de protéines travaillaient avec des blocs de construction plus grands, agençant des morceaux de structure protéique comme un designer déplacerait des meubles dans une pièce. RFD3 modélise plutôt des atomes individuels, ce qui lui permet de placer chaque liaison et chaîne latérale avec un contrôle bien plus fin. Selon les rapports, il peut générer des structures protéiques environ un ordre de grandeur plus rapidement que la génération précédente du système.
Cette vitesse et cette précision importent parce que les protéines sont les machines moléculaires qui effectuent la majeure partie du travail à l’intérieur des cellules vivantes. Si les chercheurs peuvent en inventer de nouvelles à la demande, ils peuvent viser des problèmes que les protéines naturelles n’ont jamais évolué pour résoudre : de nouveaux catalyseurs pour la chimie industrielle, des capteurs, des matériaux et des médicaments potentiels.
L’affirmation la plus frappante est qu’il ne s’agit pas seulement d’un exercice informatique. Les protéines fraîchement conçues par RFD3 ont été synthétisées et testées, et elles ont rempli les fonctions prévues par les concepteurs dans des réactions chimiques réelles. Cette étape, d’une structure prédite sur un écran à une molécule fonctionnelle dans un tube à essai, est celle où la plupart des efforts de conception computationnelle trébuchent historiquement.
Le système s’étend également au-delà des protéines aux acides nucléiques tels que l’ADN et l’ARN, élargissant la gamme d’outils moléculaires que les scientifiques peuvent tenter de construire. L’équipe a publié son schéma de conception détaillé afin que d’autres groupes puissent examiner et s’appuyer sur la méthode, une pratique devenue courante dans le domaine en évolution rapide de la biologie pilotée par l’IA.
Le travail s’inscrit dans un changement plus large des sciences de la vie, où l’apprentissage automatique passe de l’analyse de données à la proposition de molécules entièrement nouvelles. La conception de protéines est devenue l’une des démonstrations les plus claires que les modèles génératifs peuvent produire des objets qui n’existent pas dans la nature et qui se comportent néanmoins comme prévu dans des conditions réelles.
Pour les lecteurs du monde entier, l’importance tient moins à une molécule particulière qu’à l’outil lui-même. Un système capable d’esquisser une protéine au niveau atomique, et de faire tenir cette esquisse au laboratoire, raccourcit le chemin de l’idée à l’expérience. Le prochain test sera de savoir si les laboratoires du monde entier peuvent l’utiliser pour concevoir des protéines qui résolvent des problèmes pratiques en médecine et dans l’industrie, plutôt que de simples démonstrations élégantes.