Des travaux récents, menés par Amy X Lu et une équipe interdisciplinaire, proposent une méthode innovante baptisée PLAID capable de générer simultanément la séquence (1D) et la structure (3D) complètes de protéines en s’appuyant sur des modèles pré-entraînés de pliage protéique comme AlphaFold2 et ESMFold. L’article explique que, contrairement à de nombreux modèles génératifs existants limités à la génération de fragments essentiels, PLAID permet une génération intégrale et multimodale des protéines, incluant non seulement leur squelette moléculaire mais aussi l’intégralité des atomes latéraux.
Un des grands attraits de cette approche réside dans sa capacité à générer des protéines pertinentes pour des applications réelles, notamment dans le développement de médicaments ciblés ou de biothérapies humanisées, c’est-à-dire conçues spécifiquement pour interagir de manière optimale avec le système immunitaire humain.
Autre innovation marquante : PLAID ne nécessite que des données de séquences protéiques lors de l’entraînement, avantage crucial quand on sait que les bases de séquences sont de deux à quatre ordres de grandeur plus vastes que celles des structures expérimentales disponibles.
Pour surmonter la complexité et la taille considérable des espaces latents des modèles pré-entraînés, l’équipe présente aussi CHEAP, une méthode pour compresser ces espaces latents à l’aide de mécanismes spécifiques, ce qui permet une génération plus efficace et pertinente de protéines complètes.
Lire l’article sur AIhub.
Ce qui me semble particulièrement intéressant ici, c’est la possibilité donnée aux chercheurs de générer aisément des protéines sur mesure à partir de simples instructions textuelles, ouvrant ainsi considérablement les portes d’une bio-ingénierie plus accessible et plus rapide. PLAID pourrait avoir un impact réel dans les traitements thérapeutiques personnalisés et la découverte accélérée de nouvelles molécules utiles en médecine. On peut toutefois s’interroger sur les limites actuelles du contrôle précis de telles générations protéiques complexes — pensez-vous que la génération assistée par intelligence artificielle pourra bientôt remplacer complètement les expérimentations traditionnelles en laboratoire ?
0 commentaire