Une équipe combinée de chercheurs médicaux et de spécialistes des systèmes d'IA du projet Deep Mind de Google et d'Isomorphic Labs, tous deux basés à Londres, a apporté ce que le groupe décrit comme des améliorations substantielles à AlphaFold 2 qui permettent à l'application de prédire la structure d'une grande variété. des systèmes biomoléculaires de manière plus large et plus précise. La nouvelle itération s'appelle AlphaFold 3.
Dans leur étude publiée dans la revue Nature , le groupe a utilisé des techniques de diffusion pour apporter des améliorations au modèle architectural sous-jacent de l'application afin de permettre de faire des prédictions plus générales.
La première version du système d'IA basé sur l'apprentissage profond AlphaFold a été publiée il y a à peine quatre ans et a été saluée pour sa capacité à faire des prédictions précises sur la structure des protéines à l'aide de séquences d'acides aminés. Cela a également aidé les chercheurs à mieux comprendre le fonctionnement des protéines. AlphaFold 2 s'appuie sur de telles capacités, élargissant les complexes prévisibles.
Dans cette nouvelle itération, l’équipe de recherche a donné à l’application la capacité de prédire les systèmes biomoléculaires au-delà des protéines. Il peut par exemple prédire les ligands ou les structures d’ARN ou d’ADN. Ils notent qu'il peut même faire des prédictions sur la structure des ions, des acides nucléiques, d'autres protéines et sur les interactions entre les anticorps et les antigènes.
Ces capacités, notent les chercheurs, en font un outil utile pour la découverte de nouveaux médicaments. Une société de découverte de médicaments (et une spin-off de DeepMind) utilise déjà le nouveau système pour ce faire.
En plus de faire des prédictions sur d’autres structures biomoléculaires, l’équipe de recherche affirme qu’AlphaFold 3 est également beaucoup plus précis que ses itérations précédentes et ses concurrents. Mais ils reconnaissent également qu’il y a une marge de croissance :AlphaFold 3 a par exemple un taux d’erreur de chiralité de 4,4 %. Il lui arrive aussi d'avoir des hallucinations, ce qui réduit l'apparence des rubans.
Ils notent que les travaux se poursuivront avec le système AlphaFold alors que l'équipe cherche à améliorer la précision et à ajouter davantage de types de systèmes auxquels il peut être appliqué. Ils prévoient également d'introduire une structure de classement pour aider les utilisateurs à porter un jugement sur les résultats fournis par le système.
Plus d'informations : Josh Abramson et al, Prédiction précise de la structure des interactions biomoléculaires avec AlphaFold 3, Nature (2024). DOI :10.1038/s41586-024-07487-w
Informations sur le journal : Nature
© 2024 Réseau Science X
