L'IA peut-elle prédire les structures de repliement des protéines à partir de séquences d'acides aminés ?

Les avancées en IA ont permis de prédire avec précision les structures protéiques, un problème qui avait déconcerté les scientifiques pendant des décennies. Des systèmes comme AlphaFold exploitent l'apprentissage profond pour modéliser des interactions biologiques complexes. Cette percée a révolutionné la biologie structurale et les pipelines de découverte de médicaments.

Prédire les structures de repliement des protéines à partir de séquences d'acides aminés est une tâche complexe dans le domaine de la biologie qui a connu des avancées significatives grâce à l'intelligence artificielle. Les méthodes traditionnelles reposaient fortement sur des approches expérimentales telles que la cristallographie aux rayons X et la spectroscopie par résonance magnétique nucléaire, qui sont longues et coûteuses. Cependant, avec l'avènement des algorithmes d'apprentissage automatique, en particulier des modèles d'apprentissage profond, il est devenu possible de prédire les structures protéiques avec un haut degré de précision. Un exemple notable est le modèle AlphaFold développé par DeepMind, qui utilise une approche novatrice pour prédire la structure 3D des protéines à partir de leurs séquences d'acides aminés. Ce modèle a obtenu des résultats de pointe dans des compétitions de prédiction de structures protéiques, démontrant le potentiel de l'IA dans ce domaine. La capacité à prédire avec précision les structures de repliement des protéines a des implications majeures pour des domaines tels que la découverte de médicaments et la recherche sur les maladies. En prédisant comment les protéines se replient, les chercheurs peuvent mieux comprendre leur fonction et leurs interactions avec d'autres molécules, ce qui peut conduire au développement de nouveaux traitements pour diverses maladies. Dans l'ensemble, l'utilisation de l'IA pour prédire les structures de repliement des protéines est un domaine de recherche en rapide évolution qui promet de faire progresser notre compréhension de la biologie et d'améliorer la santé humaine.

+- administré le 13 mai 2026 · Source : Nature — Science