Des chercheurs développent un modèle d'IA pour la prédiction précise de la structure des protéines
Des scientifiques ont dévoilé un nouveau modèle d'intelligence artificielle qui prédit les structures protéiques avec une précision sans précédent. Cette avancée, détaillée dans une étude récente, pourrait transformer la découverte de médicaments et la biotechnologie. Développé par une équipe de l'Université de Cambridge, le modèle exploite des techniques avancées d'apprentissage automatique.
Le 30 septembre 2025, ScienceDaily a rapporté un progrès significatif en biologie computationnelle. Des chercheurs de l'Université de Cambridge ont introduit un modèle d'IA capable de prédire les structures protéiques avec une précision de 99 %, surpassant les méthodes précédentes comme AlphaFold.
L'étude, publiée dans la revue Nature, décrit comment le modèle a été entraîné sur plus d'un million de jeux de données protéiques collectés à partir de bases de données mondiales. La chercheuse principale, Dr Elena Rossi, a déclaré : « Cette avancée pourrait révolutionner la découverte de médicaments en permettant une identification plus rapide des cibles protéiques pour de nouvelles thérapies. » Le développement a pris trois ans, impliquant une collaboration avec des experts en calcul et des biologistes.
Les protéines sont des briques de base essentielles de la vie, et comprendre leurs structures 3D est crucial pour développer des traitements contre des maladies comme le cancer et Alzheimer. Les méthodes traditionnelles, telles que la cristallographie aux rayons X, sont chronophages et coûteuses. La nouvelle approche d'IA utilise des algorithmes d'apprentissage profond améliorés par un calcul inspiré quantique pour simuler les processus de pliage plus efficacement.
Le contexte de fond révèle que la prédiction de la structure des protéines a été un grand défi en biologie depuis les années 1970. Les outils d'IA précédents ont amélioré la précision à environ 90 %, mais ce modèle atteint des résultats quasi parfaits pour les protéines complexes. Les chercheurs l'ont testé sur 500 structures nouvelles, confirmant sa fiabilité à travers diverses fonctions biologiques.
Les implications incluent une recherche pharmaceutique accélérée, réduisant potentiellement les délais de développement de médicaments de années à mois. Cependant, les experts notent le besoin de validation supplémentaire dans des applications réelles. Le co-auteur Dr Marco Lee a ajouté : « Bien que prometteur, l'intégration de cela dans les flux de travail de laboratoire nécessitera des ressources supplémentaires. »
Aucune contradiction majeure n'apparaît dans le rapport, car la source fournit un résumé unifié de l'étude évaluée par les pairs. Ce développement souligne le rôle croissant de l'IA dans la résolution d'énigmes scientifiques de longue date.