Nouveau modèle d'IA améliore la précision de la prédiction des structures protéiques
Des scientifiques de l'Université de Californie, Berkeley, ont dévoilé un modèle d'IA avancé qui prédit les structures protéiques avec une précision inédite de 99 %. Cette avancée, détaillée dans une étude publiée dans Nature, pourrait accélérer la découverte de médicaments et la médecine personnalisée. La chercheuse principale, Dr Jane Smith, l'a décrite comme un 'game-changer' pour la biotechnologie.
Le 1er octobre 2025, une équipe dirigée par le Dr Jane Smith de l'Université de Californie, Berkeley, a annoncé un progrès significatif en biologie computationnelle. Leur nouveau modèle d'IA, nommé ProFold-X, atteint 99 % de précision dans la prédiction des structures tridimensionnelles des protéines, surpassant les méthodes précédentes comme AlphaFold qui culminait à environ 90 % pour les cas complexes.
La recherche, publiée dans la revue Nature le même jour, a impliqué l'entraînement du modèle sur un ensemble de données de plus d'un million d'échantillons de protéines provenant d'organismes divers. 'C'est un game-changer pour la découverte de médicaments', a déclaré le Dr Smith dans un communiqué. 'En modélisant avec précision la façon dont les protéines se plient, nous pouvons mieux comprendre les maladies au niveau moléculaire et concevoir des thérapies ciblées plus rapidement.'
Le pliage des protéines a longtemps été un défi central en biologie, les protéines mal pliées étant impliquées dans des affections comme Alzheimer et le cancer. Les méthodes expérimentales traditionnelles, telles que la cristallographie aux rayons X, sont chronophages et coûteuses, prenant souvent des années. ProFold-X utilise des algorithmes d'apprentissage profond améliorés par un calcul inspiré quantique pour simuler les dynamiques de pliage en heures.
La chronologie de l'étude a commencé début 2024, lorsque l'équipe de Berkeley a obtenu un financement des National Institutes of Health. Les prototypes initiaux ont été testés sur des ensembles de données de référence de la Protein Data Bank, montrant des améliorations de 40 % dans la vitesse de prédiction. La validation est venue de collaborations avec des entreprises pharmaceutiques, où le modèle a prédit avec succès les structures pour 95 % des cibles de médicaments novateurs.
Bien que la technologie soit prometteuse, les experts notent des limitations. Le Dr Alex Rivera, biophysicien à l'Université de Stanford non impliqué dans l'étude, a commenté : 'Les performances du modèle sur les protéines rares restent à tester pleinement dans des applications réelles.' Aucune contradiction majeure n'apparaît dans le rapport, bien que l'examen par les pairs en cours puisse affiner ces chiffres de précision.
Ce développement s'appuie sur les succès antérieurs de l'IA dans le domaine, potentiellement abaissant les barrières pour les petits laboratoires de recherche. Les implications s'étendent à l'agriculture et aux sciences environnementales, où l'ingénierie des protéines pourrait améliorer la résilience des cultures ou la production de biocarburants. La publication open-source de ProFold-X est prévue pour début 2026, invitant à une collaboration mondiale.