AlphaFold a prédit la forme d'une protéine à partir de sa séquence au lieu de la mesurer

La fonction d'une protéine dépend de sa forme tridimensionnelle, et connaître la séquence seule ne permet pas de connaître la forme. Déterminer une structure expérimentalement peut prendre des mois à des années à une équipe de recherche, ce qui explique pourquoi seules environ 100 000 structures protéiques uniques étaient connues malgré des milliards de séquences protéiques.

AlphaFold de DeepMind a attaqué le problème par le calcul. Il a été entraîné sur les structures que les scientifiques avaient déjà résolues, et il a utilisé l'évolution comme signal : les séquences qui partagent un ancêtre commun doivent se replier de manière similaire, de sorte que les alignements multi-séquences portent des informations sur les parties d'une protéine qui sont proches les unes des autres dans l'espace.

Le réseau produit ensuite les coordonnées 3D de chaque atome à partir d'une séquence seule. Dans l'évaluation en aveugle CASP14, il était compétitif avec les structures expérimentales pour la plupart des cibles et surpassait de loin tout calcul antérieur, faisant en quelques minutes ce qui aurait autrement pu prendre des années à un laboratoire.

La victoire n'était pas un modèle plus grand pour lui-même ; la clé était d'encoder des connaissances physiques et évolutives dans l'architecture, puis de la laisser généraliser à travers l'espace énorme des protéines inédites.

Prédire la forme, ne pas mesurer chacune d'elles

La détermination expérimentale des structures est l'une des étapes les plus lentes et les plus coûteuses en biologie, donc la remplacer par la prédiction change l'échelle de ce qui peut être étudié.

Les alignements multi-séquences permettent à l'évolution de se substituer à la mesure, donnant au modèle un large signal d'entraînement privé au-delà des quelques structures connues.

Le modèle résout une tâche générale, donc il fonctionne même lorsqu'aucune structure similaire n'a jamais été mesurée.

Une précision quasi atomique suffit pour être utile, transformant la structure en une entrée routinière plutôt qu'en une ressource rare.

Lorsque la vérité terrain est coûteuse, construire un modèle qui la généralise — apprendre la règle à partir d'un petit ensemble d'exemples au lieu de remesurer la même chose pour chaque nouveau cas.

Les structures d'AlphaFold ont été publiées pour presque tout l'univers protéique connu, et la base de données ouverte est devenue un outil standard dans la découverte de médicaments, la génomique et la recherche sur les maladies. Son approche a contribué à clore un problème ouvert vieux de 50 ans et a montré qu'un réseau profond soigneusement conçu pouvait extraire une règle physique générale à partir de données limitées et coûteuses.