En 2021, AI laboratoire de recherche Profondeur a annoncé le développement de son premier réseau neuronal de biologie numérique, Alphafold. Le modèle était capable de prédire avec précision la structure 3D des protéines, qui détermine les fonctions que jouent ces molécules. «Nous ne faisons que des sacs d'eau flottants qui se déplacent», explique Pushmeet Kohli, vice-président de la recherche chez DeepMind. «Ce qui nous rend spéciaux, ce sont les protéines, les éléments constitutifs de la vie. Comment ils interagissent les uns avec les autres, c'est ce qui rend la magie de la vie. »

Alphafold a été considéré par la revue Science comme la percée de l'année en 2021. En 2022, c'était le La plupart des documents de recherche cités dans l'IA. «Les gens ont été sur [protein structures] Pendant de nombreuses décennies et n'a pas pu faire autant de progrès », explique Kohli. “Puis vint AI.” DeepMind a également publié le Base de données de structure de protéines Alphafold– qui contenait les structures protéiques de presque tous les organismes dont le génome a été séquencé – la mettant librement disponible pour les scientifiques du monde entier.

Plus que 1,7 million de chercheurs dans 190 pays l'ont utilisé pour des recherches allant de la conception des enzymes à manger du plastique au développement de vaccins contre le paludisme plus efficaces. Un quart de la recherche impliquant Alphafold était dédié à la compréhension du cancer, du Covid-19 et des maladies neurodégénératives comme la Parkinson et la Alzheimer. L'année dernière, DeepMind a publié sa prochaine génération d'alphafold, qui a étendu son algorithme de prédiction de structure à des biomolécules comme les acides nucléiques et les ligands.

«Il a démocratisé la recherche scientifique», explique Kohli. «Les scientifiques travaillant dans un pays en développement sur une maladie tropicale négligée n'avaient pas accès aux fonds pour obtenir la structure d'une protéine calculée. Maintenant, en cliquant sur un bouton, ils peuvent aller à la base de données Alphafold et obtenir ces prédictions gratuitement. » Par exemple, l'un des premiers partenaires de DeepMind, l'initiative Drugs for Neglected Diseases, a utilisé Alphafold pour développer des médicaments pour des maladies qui affectent des millions, comme la maladie du sommeil, la maladie de Chagas et la leishmaniose – mais reçoivent relativement peu de recherches.

La dernière percée de Deepmind s'appelle Alphamissesense. Le modèle classe les soi-disant mutations faux-sens – des altérations génétiques qui peuvent entraîner des acides aminés différents produits à des positions particulières dans les protéines. De telles mutations peuvent modifier la fonction de la protéine elle-même, et l'alphamisset attribue un score de vraisemblance pour cette mutation étant pathogène ou bénigne. «Comprendre et prédire ces effets est crucial pour la découverte de maladies génétiques rares», explique Kohli. L'algorithme, qui a été publié l'année dernière, a classé environ 89% de tous les faux-sens humains possibles. Avant, seulement 0,1% de toutes les variantes possibles avaient été cliniquement classées par des chercheurs.

«Ce n'est que le début», explique Kohli. En fin de compte, il pense que l'IA pourrait éventuellement conduire à la création d'une cellule virtuelle qui pourrait radicalement accélérer la recherche biomédicale, permettant à la biologie d'être explorée in-silico plutôt que dans les laboratoires du monde réel. «Avec l'IA et l'apprentissage automatique, nous avons enfin les outils pour comprendre ce système très sophistiqué que nous appelons la vie.»

Cet article apparaît dans le numéro de juillet / août 2024 de Magazine UK Wired.