Pourquoi la forme d'une protéine est-elle si difficile à trouver ?
Les protéines sont les ouvriers de notre corps : certaines digèrent, d'autres transportent l'oxygène, d'autres défendent contre les microbes. Chacune est une longue chaîne de petites briques appelées acides aminés (il en existe 20 sortes), qui se replie en une forme en 3D. Cette forme décide de ce que la protéine sait faire, un peu comme la forme d'une clé décide de la serrure qu'elle ouvre.
Pendant des décennies, trouver cette forme demandait des mois, voire des années d'expériences par protéine. Les chercheurs de DeepMind rappellent qu'environ 100 000 structures différentes avaient été déterminées, alors que des milliards de séquences de protéines sont connues. Depuis les années 1970, des équipes tentaient de la calculer directement, sans y parvenir de façon fiable.
Qu'ont fait les chercheurs de DeepMind ?
En 2020, Demis Hassabis et John Jumper ont présenté AlphaFold2, un réseau de neurones (un programme qui apprend à partir d'exemples). Il a été conçu pour intégrer des connaissances de physique et de biologie sur les protéines, et il compare la séquence d'une protéine à celles de protéines apparentées pour repérer quelles parties évoluent ensemble.
L'équipe l'a mis à l'épreuve lors de CASP14, un concours international qui évalue les méthodes de calcul de structures. Le résultat a été décrit dans Nature en 2021 par John Jumper et ses collègues.
Quels résultats ont convaincu le comité Nobel ?
Selon l'article de 2021, c'est la première méthode de calcul capable de retrouver régulièrement la structure d'une protéine avec une précision au niveau de l'atome, même quand aucune structure ressemblante n'est connue. Dans la majorité des cas, la précision était comparable à celle des structures obtenues par l'expérience.
Le communiqué du comité Nobel indique que l'outil a permis de calculer la structure de presque toutes les 200 millions de protéines identifiées par les chercheurs, et qu'il a été utilisé par plus de deux millions de personnes issues de 190 pays. Le comité cite des usages comme mieux comprendre la résistance aux antibiotiques ou représenter des enzymes capables de décomposer le plastique.
Les chiffres clés
- 200 millionsde protéines connues dont la structure a pu être calculée avec AlphaFold2, selon le comité Nobel
- plus de 2 millionsde personnes dans 190 pays ont utilisé AlphaFold2 depuis sa sortie
- environ 100 000structures de protéines déterminées par l'expérience avant AlphaFold, contre des milliards de séquences connues
Qu'est-ce que cela change pour les patients ?
Pas de traitement nouveau du jour au lendemain, mais un accélérateur pour la recherche. Quand on connaît la forme d'une protéine impliquée dans une maladie, on peut mieux chercher une molécule qui s'y accroche, ou comprendre pourquoi une mutation la dérègle. Ce qui prenait des mois d'expériences peut désormais commencer par un calcul.
Cette avancée nourrit déjà des projets en santé, comme la conception de protéines-médicaments ou de vaccins. Mais ces projets doivent encore passer par toutes les étapes habituelles : tests en laboratoire, essais sur l'animal, puis essais cliniques.
Quelles sont les limites ?
Une forme calculée reste un modèle. L'article de 2021 parle d'une précision comparable aux structures expérimentales dans la majorité des cas, pas dans tous. Les spécialistes continuent donc de vérifier les structures importantes en laboratoire.
Surtout, connaître la forme d'une protéine ne dit pas tout : comment elle bouge, avec qui elle s'associe et ce qu'elle déclenche dans une cellule sont d'autres questions, et les médicaments issus de ces connaissances restent à prouver.
De la recherche à ton quotidien : Mima
AlphaFold aide les chercheurs à comprendre les protéines : un accélérateur de recherche, pas un traitement. Les médicaments qui en naîtront prendront des années.
En attendant, Mima est là pour le quotidien : elle explique les traitements et effets secondaires en mots simples, et prépare tes questions pour ton médecin. Une question à poser : « Pouvez-vous m'expliquer simplement comment mon traitement agit ? »
Questions fréquentes
Qu'est-ce qu'AlphaFold ?
AlphaFold est une intelligence artificielle de Google DeepMind qui calcule la forme en 3D d'une protéine à partir de sa séquence d'acides aminés. Elle a été présentée dans sa version 2 en 2020 et décrite dans Nature en 2021.
Qui a reçu le prix Nobel de chimie 2024 ?
Le prix a été partagé : une moitié pour David Baker (conception de protéines nouvelles), l'autre pour Demis Hassabis et John Jumper (AlphaFold).
AlphaFold permet-il de soigner des maladies ?
Pas directement. L'outil donne la forme des protéines, ce qui aide les chercheurs à comprendre des maladies et à chercher des médicaments. Les traitements doivent ensuite être testés lors d'essais cliniques.
Peut-on utiliser AlphaFold soi-même ?
Le comité Nobel indique que plus de deux millions de personnes dans 190 pays l'ont déjà utilisé, ce qui montre qu'il est largement accessible aux chercheurs.
L'étude originale
Callaway E. « Chemistry Nobel goes to developers of AlphaFold AI that predicts protein structures. » Nature, octobre 2024. DOI : 10.1038/d41586-024-03214-7
Lire l'actualité complète dans NatureCet article résume une étude scientifique et ne remplace pas un avis médical.