L. Bardon . – Fin 2018, AlphaFold de DeepMind a remporté la première place dans le prestigieux concours CASP. CASP (Critical Assessment of Structure Prediction) est un concours scientifique biennal établi en 1994 qui a eu lieu pour la 13e fois. C’est un peu comme l’Oscar de la biologie moléculaire et des structures protéiques décerné par Hollywood. Les algorithmes AlphaFolds ont été capables de prédire correctement le pliage de 25 des 43 structures de protéines données, soit un résultat avec 58 % de précision (l’équipe qui s’est classée deuxième a atteint 7 % de précision). Cela signifie que dans 58% des protéines données, AlphaFold a été capables de prédire la structure de pliage 3D à partir de la séquence ADN. Selon le paradoxe de Leventhal, le temps nécessaire pour essayer tous les plis possibles de cette chaîne de 100 acides aminés pour déterminer lequel est le bon, serait plus long que l’âge de l’univers.
Les scientifiques ont attendu des mois pour avoir accès à l’outil de prédiction de la structure des protéines depuis que DeepMind a présenté des progrès remarquables dans ce domaine lors de la conférence 2020 Critical Assessment of Structure Prediction, ou CASP14. Les chercheurs de l’Institute for Protein Design de la faculté de médecine de l’Université de Washington à Seattle sont parvenus à recréer les performances réalisées par DeepMind sur cette tâche importante.
Contrairement à DeepMind, l’équipe de l’UW Medicine a déjà mis sa méthode, baptisée RoseTTAFold, en libre accès. Des scientifiques du monde entier l’utilisent désormais pour construire des modèles de protéines afin d’accélérer leurs propres recherches. Sans l’aide d’un tel logiciel, il faut parfois des années de travail en laboratoire pour déterminer la structure d’une seule protéine.
L’équipe de recherche a utilisé RoseTTAFold pour calculer des centaines de nouvelles structures protéiques, y compris de nombreuses protéines mal connues du génome humain. Elle a également généré des structures directement liées à la santé humaine, notamment pour des protéines associées à un métabolisme lipidique problématique, à des troubles de l’inflammation et à la croissance des cellules cancéreuses. RoseTTAFold peut également être utilisé pour construire des modèles d’assemblages biologiques complexes en une fraction du temps précédemment requis.
RoseTTAFold est un réseau neuronal “à trois voies”. Il prend en compte simultanément les modèles dans les séquences de protéines, la manière dont les acides aminés d’une protéine interagissent entre eux et la structure tridimensionnelle possible d’une protéine.
La suite ici (Baek M, DiMaio F, Anishchenko I, et al)
