Concevoir des interactions moléculaires par l’IA

Les surfaces protéiques, très diverses, sont aussi dynamiques, si bien qu'il est difficile de prédire comment et où les liaisons vont se faire. Ella Maru Studio En utilisant des « empreintes » générées par apprentissage profond pour caractériser des millions de fragments de protéines, des chercheurs de l'EPFL ont conçu de nouveaux ligands protéiques qui s'attachent parfaitement à des cibles clés, y compris la protéine Spike du SARS-CoV-2. En 2019, des scientifiques du laboratoire de conception de protéines et d'immuno-ingénierie ( LPDI ), commun à la Faculté des sciences de l'ingénieur et à la Faculté des sciences de la Vie et dirigé par Bruno Correia, ont développé MaSIF, une méthode basée sur l'intelligence artificielle (IA) qui permet de scanner des millions de surfaces de protéines en l'espace de quelques minutes pour analyser leur structure et leurs propriétés fonctionnelles. L'objectif ultime des chercheurs était de concevoir par ordinateur des interactions entre protéines en trouvant des correspondances optimales entre les molécules sur la base de leurs « empreintes » de surface chimiques et géométriques. Quatre ans plus tard, l'objectif est atteint. Dans un article publié dans Nature, ils déclarent avoir créé de tout nouveaux ligands protéiques (à base de protéines) conçus pour interagir avec quatre protéines cibles pertinentes sur le plan thérapeutique, y compris la protéine Spike du SARS-CoV-2. Créer une correspondance moléculaire parfaite Les interactions physiques entre les protéines influencent tout autant la signalisation et la croissance cellulaires que les réponses immunitaires.