Voici la présentation d'AlphaFold 3, un nouveau modèle d'IA développé par Google DeepMind et Isomorphic Labs. En prédisant avec précision la structure des protéines, de l'ADN, de l'ARN, des ligands et plus encore, ainsi que leurs interactions, Google espére qu'AlphaFold 3 transformera notre compréhension du monde biologique et la découverte de médicaments.À l'intérieur de chaque cellule végétale, animale et humaine se trouvent des milliards de machines moléculaires. Elles sont constituées de protéines, d'ADN et d'autres molécules, mais aucune d'entre elles ne fonctionne seule. Ce n'est qu'en voyant comment elles interagissent ensemble, à travers des millions de types de combinaisons, qu'on peut commencer à comprendre véritablement les processus de la vie.
Dans un article publié dans Nature, Google présente AlphaFold 3, un modèle d'IA capable de prédire la structure et les interactions de toutes les molécules de la vie avec précision. Pour les interactions des protéines avec d'autres types de molécules, ils ont constaté une amélioration d'au moins 50 % par rapport aux méthodes de prédiction existantes, et pour certaines catégories d'interactions importantes, ils ont doublé la précision de la prédiction.
Google commente l'annonce en déclarant :
Nous espérons qu'AlphaFold 3 contribuera à transformer notre compréhension du monde biologique et la découverte de médicaments. Les scientifiques peuvent accéder gratuitement à la majorité de ses capacités grâce à notre nouveau serveur AlphaFold, un outil de recherche facile à utiliser.
Afin d'exploiter le potentiel d'AlphaFold 3 pour la conception de médicaments, Isomorphic Labs collabore déjà avec des entreprises pharmaceutiques pour l'appliquer à des défis réels de conception de médicaments et, en fin de compte, pour développer de nouveaux traitements qui changeront la vie des patients.
Notre nouveau modèle s'appuie sur les fondements d'AlphaFold 2, qui a réalisé en 2020 une percée fondamentale dans la prédiction de la structure des protéines. Jusqu'à présent, des millions de chercheurs du monde entier ont utilisé AlphaFold 2 pour faire des découvertes dans des domaines tels que les vaccins contre la malaria, les traitements contre le cancer et la conception d'enzymes. AlphaFold a été cité plus de 20 000 fois et son impact scientifique a été reconnu par de nombreux prix, dont le plus récent est le Breakthrough Prize in Life Sciences.
AlphaFold 3 nous permet d'aller au-delà des protéines et de couvrir un large éventail de biomolécules. Ce bond en avant pourrait débloquer une science plus transformatrice, allant du développement de matériaux biorenouvelables et de cultures plus résistantes à l'accélération de la conception de médicaments et de la recherche en génomique.
Afin d'exploiter le potentiel d'AlphaFold 3 pour la conception de médicaments, Isomorphic Labs collabore déjà avec des entreprises pharmaceutiques pour l'appliquer à des défis réels de conception de médicaments et, en fin de compte, pour développer de nouveaux traitements qui changeront la vie des patients.
Notre nouveau modèle s'appuie sur les fondements d'AlphaFold 2, qui a réalisé en 2020 une percée fondamentale dans la prédiction de la structure des protéines. Jusqu'à présent, des millions de chercheurs du monde entier ont utilisé AlphaFold 2 pour faire des découvertes dans des domaines tels que les vaccins contre la malaria, les traitements contre le cancer et la conception d'enzymes. AlphaFold a été cité plus de 20 000 fois et son impact scientifique a été reconnu par de nombreux prix, dont le plus récent est le Breakthrough Prize in Life Sciences.
AlphaFold 3 nous permet d'aller au-delà des protéines et de couvrir un large éventail de biomolécules. Ce bond en avant pourrait débloquer une science plus transformatrice, allant du développement de matériaux biorenouvelables et de cultures plus résistantes à l'accélération de la conception de médicaments et de la recherche en génomique.
Comment AlphaFold 3 révèle les molécules de la vie
À partir d'une liste de molécules, AlphaFold 3 génère leur structure 3D commune, révélant ainsi comment elles s'assemblent. Il modélise les grandes biomolécules telles que les protéines, l'ADN et l'ARN, ainsi que les petites molécules, également connues sous le nom de ligands - une catégorie qui englobe de nombreux médicaments. En outre, AlphaFold 3 peut modéliser les modifications chimiques de ces molécules qui contrôlent le bon fonctionnement des cellules et qui, lorsqu'elles sont perturbées, peuvent entraîner des maladies.
Les capacités d'AlphaFold 3 proviennent de son architecture et de sa formation de nouvelle génération, qui couvre désormais toutes les molécules de la vie. Au cœur du modèle se trouve une version améliorée du module Evoformer, une architecture d'apprentissage profond qui a permis à AlphaFold 2 d'atteindre ses performances. Après avoir traité les données d'entrée, AlphaFold 3 assemble ses prédictions à l'aide d'un réseau de diffusion, semblable à ceux que l'on trouve dans les générateurs d'images d'IA. Le processus de diffusion commence par un nuage d'atomes et, après de nombreuses étapes, converge vers la structure moléculaire finale la plus précise.
Selon Google, les prédictions d'AlphaFold 3 concernant les interactions moléculaires dépasseraient la précision de tous les systèmes existants. En tant que modèle qui calcule des complexes moléculaires entiers de manière holistique, il est capable d'unifier les connaissances scientifiques.
Prédiction de la liaison entre une protéine et l'ADN
À la pointe de la découverte de médicaments chez Isomorphic Labs
AlphaFold 3 permet de concevoir des médicaments en prédisant les molécules couramment utilisées dans les médicaments, telles que les ligands et les anticorps, qui se lient aux protéines pour modifier leur interaction dans la santé et la maladie.
AlphaFold 3 atteint une bonne précision dans la prédiction des interactions similaires à celles des médicaments, y compris la liaison des protéines avec les ligands et des anticorps avec leurs protéines cibles. Selon Google, AlphaFold 3 est 50 % plus précis que les méthodes traditionnelles sur le benchmark PoseBusters sans avoir besoin d'entrer la moindre information structurelle, ce qui fait d'AlphaFold 3 le premier système d'IA à surpasser les outils basés sur la physique pour la prédiction de la structure biomoléculaire. La capacité à prédire la liaison anticorps-protéine est essentielle pour comprendre certains aspects de la réponse immunitaire humaine et pour concevoir de nouveaux anticorps - une classe thérapeutique en plein essor.
Google :
En utilisant AlphaFold 3 en combinaison avec une suite complémentaire de modèles d'IA internes, Isomorphic Labs travaille sur la conception de médicaments pour des projets internes ainsi qu'avec des partenaires pharmaceutiques. Isomorphic Labs utilise AlphaFold 3 pour accélérer et améliorer le succès de la conception de médicaments - en aidant à comprendre comment approcher de nouvelles cibles de maladies, et en développant de nouvelles façons de poursuivre des cibles existantes qui étaient auparavant hors de portée.
En utilisant AlphaFold 3 en combinaison avec une suite complémentaire de modèles d'IA internes, Isomorphic Labs travaille sur la conception de médicaments pour des projets internes ainsi qu'avec des partenaires pharmaceutiques. Isomorphic Labs utilise AlphaFold 3 pour accélérer et améliorer le succès de la conception de médicaments - en aidant à comprendre comment approcher de nouvelles cibles de maladies, et en développant de nouvelles façons de poursuivre des cibles existantes qui étaient auparavant hors de portée.
Prédiction d'une Enzyme
Serveur AlphaFold : Un outil de recherche gratuit et facile à utiliser
Le serveur AlphaFold permet de prédire la façon dont les protéines interagissent avec d'autres protéines - un processus cellulaire fondamental pour la vie et la santé.
Le nouveau serveur AlphaFold de Google DeepMind est un outil précis pour prédire comment les protéines interagissent avec d'autres molécules dans la cellule. Il s'agit d'une plateforme gratuite que les scientifiques du monde entier peuvent utiliser pour des recherches non commerciales. En quelques clics, les biologistes peuvent exploiter la puissance d'AlphaFold 3 pour modéliser des structures composées de protéines, d'ADN, d'ARN et d'une sélection de ligands, d'ions et de modifications chimiques.
AlphaFold Server aide les scientifiques à formuler de nouvelles hypothèses à tester en laboratoire, ce qui accélère les flux de travail et favorise l'innovation. Google veut que sa plateforme offre aux chercheurs un moyen accessible de générer des prédictions, indépendamment de leur accès aux ressources informatiques ou de leur expertise en matière d'apprentissage automatique.
La prédiction expérimentale de la structure des protéines peut prendre la durée d'un doctorat et coûter des centaines de milliers de dollars. Selon Google, le modèle précédent, AlphaFold 2, a été utilisé pour prédire des centaines de millions de structures, ce qui aurait pris des centaines de millions d'années-chercheurs au rythme actuel de la biologie structurale expérimentale.
Céline Bouchoux de l'Institut Francis Crick déclare :
Avec AlphaFold Server, il ne s'agit plus seulement de prédire des structures, mais d'en donner généreusement l'accès : permettre aux chercheurs de poser des questions audacieuses et d'accélérer les découvertes.
Partager la puissance d'AlphaFold 3 de manière responsable
Google partage son point de vue sur le développement résponsable d'AlphaFold :
Avec chaque version d'AlphaFold, nous avons cherché à comprendre l'impact général de la technologie, en travaillant avec la communauté de la recherche et de la sécurité. Nous adoptons une approche scientifique et avons mené des évaluations approfondies afin de limiter les risques potentiels et de...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
