Conception de nouvelles protéines de grande taille grâce à l'IA
Nouvelle méthode de conception de protéines artificielles
La conception de protéines vise à créer des anticorps personnalisés pour les thérapies, des biocapteurs pour les diagnostics ou des enzymes pour les réactions chimiques. Une équipe de recherche internationale vient de mettre au point une méthode permettant de concevoir de nouvelles protéines de grande taille mieux qu'auparavant et de les produire en laboratoire avec les propriétés souhaitées. Leur approche implique une nouvelle façon d'utiliser les capacités du logiciel basé sur l'IA Alphafold2, pour lequel le prix Nobel de chimie a été décerné en 2024.
Qu'il s'agisse d'éléments constitutifs, de systèmes de transport, d'enzymes ou d'anticorps, les protéines jouent un rôle essentiel dans notre organisme. Les chercheurs tentent donc de les recréer ou de concevoir des protéines dites de novo qui n'existent pas dans la nature. Ces protéines artificielles sont conçues pour se lier à certains virus ou transporter des médicaments, par exemple. Les scientifiques utilisent de plus en plus l'apprentissage automatique pour les concevoir. Récemment, les progrès réalisés dans ce domaine ont été récompensés par le prix Nobel de chimie : Cette année, le prix Nobel a été décerné à David Baker, pionnier de la conception de protéines de novo, et aux développeurs du logiciel Alphafold2 Demis Hassabis et John Jumper. Ce logiciel permet de prédire les structures des protéines sur ordinateur avec une grande précision.
Une équipe internationale dirigée par Hendrik Dietz, professeur de nanotechnologie biomoléculaire à l'université technique de Munich (TUM), et Sergey Ovchinnikov, professeur de biologie au MIT, a maintenant mis au point une méthode qui utilise la prédiction de structure précise d'Alphafold2 ainsi qu'une approche dite de descente en gradient pour la conception efficace de protéines. Cette étude a été publiée dans la revue Science.
La descente de gradient est une méthode courante d'optimisation des modèles. Dans un processus progressif, elle permet d'identifier les écarts par rapport à la fonction cible souhaitée et d'ajuster les paramètres jusqu'à l'obtention du résultat optimal. Dans la conception de protéines, la descente de gradient peut être utilisée pour comparer la structure de nouvelles protéines prédites par AlphaFold2 avec la structure de la protéine souhaitée. Cela permet aux scientifiques d'optimiser davantage leur chaîne d'acides aminés nouvellement conçue et la structure qui en résulte. Cette dernière détermine en grande partie la stabilité et la fonction de la protéine et dépend d'interactions énergétiques subtiles.
Superposition virtuelle des éléments constitutifs
La nouvelle méthode permet de concevoir de nouvelles protéines de grande taille mieux qu'auparavant et de les adapter aux propriétés souhaitées, par exemple pour qu'elles se lient précisément à d'autres protéines. Leur processus de conception diffère des approches précédentes à plusieurs égards.
"Nous avons conçu le processus pour les nouvelles protéines de manière à ce que nous ignorions initialement les limites de ce qui est physiquement possible. Habituellement, un seul des 20 blocs de construction possibles est supposé à chaque point de la chaîne d'acides aminés. Au lieu de cela, nous utilisons une variante dans laquelle toutes les possibilités sont virtuellement superposées", explique Christopher Frank, candidat au doctorat à la chaire de nanotechnologie biomoléculaire et premier auteur de l'étude.
Cette superposition virtuelle ne peut pas être directement traduite en une protéine réellement productible. Mais elle permet d'optimiser la protéine de manière itérative. "Nous améliorons l'arrangement des acides aminés en plusieurs itérations jusqu'à ce que la nouvelle protéine soit très proche de la structure souhaitée", explique Christopher Frank. Cette structure optimisée est ensuite utilisée pour déterminer la séquence d'acides aminés qui peut effectivement être assemblée en une protéine en laboratoire.
Le test crucial : comment les prédictions se vérifient-elles dans la vie réelle ?
Le test ultime pour toutes les protéines nouvellement conçues : la structure réelle correspond-elle à la construction prédite et à la fonction souhaitée ? Grâce à cette nouvelle méthode, l'équipe a conçu virtuellement plus de 100 protéines, les a produites en laboratoire et les a testées expérimentalement. "Nous avons pu montrer que les structures que nous avons conçues sont très proches de celles qui sont effectivement produites", explique Christopher Frank.
Grâce à leur nouvelle méthode, ils ont pu produire des protéines comprenant jusqu'à 1 000 acides aminés. "Cela nous rapproche de la taille des anticorps et, comme pour les anticorps, nous pouvons intégrer plusieurs fonctions souhaitées dans une telle protéine", explique Hendrik Dietz. "Il pourrait s'agir, par exemple, de motifs permettant de reconnaître et de supprimer des agents pathogènes.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
