Pourquoi les interactions entre molécules comptent-elles ?
Dans nos cellules, une protéine travaille rarement seule. Elle s'accroche à de l'ADN, à de l'ARN, à d'autres protéines, ou à de petites molécules. Un médicament, par exemple, agit souvent en se logeant dans une poche précise d'une protéine.
Connaître la forme en 3D de ces assemblages aide à comprendre une maladie et à concevoir un médicament. Mais la mesurer en laboratoire est long et coûteux. AlphaFold 2, récompensé par le prix Nobel de chimie 2024, savait estimer la forme d'une protéine. Il restait à faire la même chose pour des groupes de molécules qui interagissent.
Qu'a changé l'équipe de Google DeepMind ?
Les chercheurs de Google DeepMind et d'Isomorphic Labs ont profondément revu l'architecture du modèle. AlphaFold 3 utilise une technique dite de diffusion : il part d'un nuage de points flou et l'affine pas à pas jusqu'à obtenir une structure précise, un peu comme une photo qui devient nette.
Un seul modèle traite désormais protéines, acides nucléiques (ADN et ARN), petites molécules, ions et protéines modifiées. Pour vérifier qu'il ne récitait pas des structures déjà vues, l'équipe l'a testé sur des structures publiées après la date de fin de son entraînement.
Mieux que les outils spécialisés
Pour savoir comment une petite molécule se fixe sur une protéine, l'équipe a utilisé le test PoseBusters, composé de 428 structures. AlphaFold 3 fait nettement mieux que les outils d'amarrage classiques comme Vina, alors même qu'il ne reçoit pas la forme de la protéine en entrée, contrairement à ces outils.
Il est aussi plus juste que les outils spécialisés pour les assemblages entre protéines et ADN ou ARN, et nettement meilleur que la version précédente pour les interactions entre anticorps et antigènes. L'étude montre par exemple un assemblage géant de 4 665 briques de base (des acides aminés) : la protéine de surface d'un coronavirus humain, liée à des anticorps.
Les chiffres clés
- 428structures protéine et petite molécule dans le test PoseBusters, où AlphaFold 3 bat les outils d'amarrage
- 4 665briques de base (acides aminés) dans un assemblage géant : la protéine de surface d'un coronavirus liée à des anticorps
- 1 000essais du modèle pour classer les interactions entre anticorps et antigènes
De la recherche à ton traitement, avec Mima
AlphaFold 3 est un outil de laboratoire : il ne change pas ton traitement aujourd'hui. Il peut, à terme, aider à concevoir de nouveaux médicaments, mais chacun devra passer par des essais cliniques avant d'arriver jusqu'aux patients.
Si tu te demandes ce que la recherche peut t'apporter, Mima t'aide à noter ta question pour ton médecin, par exemple : « Existe-t-il un essai clinique qui pourrait me concerner ? » Et à garder la trace de ses réponses.
Ce que cela peut changer, à terme, pour les patients
Pour un patient, AlphaFold 3 ne change rien directement aujourd'hui : c'est un outil de recherche. Mais il peut accélérer le travail des laboratoires qui cherchent de nouveaux médicaments, en aidant à imaginer comment une molécule se fixera sur sa cible avant de la fabriquer.
Il peut aussi aider à comprendre comment un anticorps reconnaît un virus, ou comment une protéine agit sur l'ADN. Ces connaissances servent de base à de futurs traitements, mais le chemin jusqu'au patient reste long et passe par des essais cliniques.
Quelles sont les limites d'AlphaFold 3 ?
Les auteurs décrivent eux-mêmes plusieurs limites. Le modèle ne respecte pas toujours la chiralité, c'est-à-dire l'orientation dans l'espace d'une molécule, comme une main gauche et une main droite. Il peut aussi « halluciner », c'est-à-dire inventer une structure plausible dans des zones qui n'en ont pas.
Il donne une image figée, alors que les molécules bougent en permanence dans la cellule. Et pour les anticorps, il faut lancer le calcul un très grand nombre de fois (jusqu'à 1 000 essais dans l'étude) pour obtenir les meilleurs résultats.
Questions fréquentes
Quelle est la différence entre AlphaFold 2 et AlphaFold 3 ?
AlphaFold 2 estimait surtout la forme d'une protéine seule. AlphaFold 3 modélise des assemblages qui mêlent protéines, ADN, ARN, petites molécules et ions, avec une architecture nouvelle fondée sur la diffusion.
AlphaFold 3 sert-il à créer des médicaments ?
Il peut aider les chercheurs à comprendre comment une molécule se fixe sur une protéine, une étape de la conception de médicaments. Il ne crée pas un traitement à lui seul.
AlphaFold 3 est-il toujours exact ?
Non. Les auteurs signalent des erreurs de chiralité, des structures parfois inventées et des formes figées alors que les molécules bougent.
Qui a développé AlphaFold 3 ?
Des chercheurs de Google DeepMind et d'Isomorphic Labs, dans une étude publiée dans Nature en 2024.
L'étude originale
Abramson J, Adler J, Dunger J, et al. « Accurate structure prediction of biomolecular interactions with AlphaFold 3 » Nature, 8 mai 2024. DOI : 10.1038/s41586-024-07487-w
Lire l'étude complète dans NatureCet article résume une étude scientifique et ne remplace pas un avis médical.