IA : Prédiction précise des structures 3D de toutes les protéines à partir de leurs séquences

Des chercheurs utilisent un modèle d'apprentissage profond pour déterminer la structure 3D d'une protéine à partir de sa séquence d'acides aminés. Une fois entièrement entraîné, il surpasse aisément toutes les techniques existantes pour estimer les structures de protéines sans connaissance préalable.

L'importance du repliement des protéines

Les protéines sont l'un des principaux éléments constitutifs du corps humain. Elles construisent et entretiennent les tissus. Chimiquement, elles sont composées d'acides aminés — des composés organiques faits d'hydrogène, carbone, oxygène, azote ou soufre.

Les protéines effectuent presque tous les processus biologiques fondamentaux essentiels à la vie en se repliant elles-mêmes en structures tridimensionnelles précises qui contrôlent leurs interactions avec d'autres molécules.

Puisque la forme d'une protéine détermine sa fonction et son rôle dans diverses maladies, il est important d'étudier et de prédire leurs structures pour développer des médicaments vitaux et transformateurs.

Cependant, ce n'est pas aussi simple qu'il y paraît. Au cours des 5 dernières décennies, le repliement des protéines est resté l'un des problèmes les plus difficiles pour les biochimistes. De nombreuses méthodes computationnelles ont été développées, surtout ces dernières années, pour prédire comment les protéines se replient, mais une correspondance explicite séquence-structure n'a pas encore été atteinte.

Maintenant, des chercheurs de la Harvard Medical School ont utilisé un modèle d'apprentissage profond (une forme d'intelligence artificielle) pour déterminer la structure 3D d'une protéine à partir de sa séquence d'acides aminés. Il surpasse les techniques de pointe existantes de 6 à 7 ordres de grandeur en termes de vitesse.

Application de l'apprentissage profond différentiable de bout en bout

Les algorithmes avancés utilisent une technique de force brute pour simuler la physique complexe des interactions d'acides aminés et déterminer la structure des protéines. Pour réduire la charge computationnelle, ces algorithmes projettent de nouvelles séquences sur des modèles préconçus représentant des structures de protéines déjà déterminées.

Certains projets d'IA comme AlphaFold de Google analysent une quantité massive de données génomiques contenant le plan des séquences de protéines. Cependant, ces méthodes n'estiment pas les structures basées uniquement sur la séquence d'acides aminés. Elles ne peuvent pas déterminer les protéines évolutivement uniques (structures de protéines jamais étudiées auparavant).

Par conséquent, l'équipe de recherche a utilisé une technique d'apprentissage profond différentiable de bout en bout, qui s'est déjà avérée efficace dans certaines des applications les plus populaires, notamment Google Translate et Siri d'Apple.

Référence : Cell Systems | doi:10.1016/j.cels.2019.03.006 | Harvard Medical School

Ce système d'apprentissage profond appelé réseau géométrique récurrent met l'accent sur les propriétés clés du repliement des protéines. Il est entraîné sur des milliers de séquences et structures de protéines prédéterminées.

Pour chaque acide aminé, l'algorithme calcule l'angle des liaisons chimiques qui relient l'acide à ses voisins, ainsi que l'angle de rotation autour de ces liaisons chimiques.

Simulation visuelle de la façon dont le réseau calcule l'angle des liaisons chimiques et l'angle de rotation pour construire une structure de protéine. | Crédit : Mohammed AlQuraishi

Le réseau de neurones effectue ces calculs (chaque itération est affinée par la position relative de chaque autre acide aminé) jusqu'à ce que la structure soit terminée. Le système vérifie ensuite la précision de son résultat en le comparant à la vraie structure de la protéine (obtenue par observation directe).

Résultats

Ce processus est répété pour plusieurs protéines connues différentes et la précision du système augmente à chaque itération. L'entraînement du réseau peut prendre des mois, mais une fois l'entraînement terminé, le modèle surpasse aisément toutes les techniques existantes pour estimer les structures de protéines sans connaissance préalable.

Pourtant, la précision du modèle n'est pas encore suffisante pour résoudre la structure atomique complète d'une protéine. Ainsi, il n'est pas prêt pour être utilisé dans la conception ou la découverte de médicaments.

Pour l'instant, il peut compléter d'autres techniques pour prédire une classe beaucoup plus large de structures de protéines que précédemment possible. Il existe de nombreuses opportunités d'améliorer le modèle en intégrant les lois de la physique et de la chimie. Si vous voulez l'essayer vous-même, le code et les résultats sont disponibles sur GitHub.