Le prix Nobel de chimie 2024 a couronné des découvertes permises par l’utilisation de l’intelligence artificielle (IA) afin de mieux comprendre la structure des protéines.

Ce prix a été décerné conjointement à un Britannique, Demis Hassabis, et un Américain, John M. Jumper, chercheurs de Google DeepMind et à un autre Américain, David Baker, de l’Université de Washington. Ce prix Nobel récompense deux types de travaux complémentaires concernant la structure des protéines, respectivement la prédiction de leurs structures et le dessin de nouvelles protéines. Ainsi, ce prix Nobel consacre un modèle dénommé AlphaFold développé par les chercheurs de GoogleMind, qui est capable de prédire les structures complexes des protéines et David Baker a été couronné, car ces travaux reposant sur l’IA ont permis de concevoir des protéines d’un genre entièrement nouveau.

Les lignes qui suivent sont principalement issues ou adaptées de l’article “Prix Nobel de chimie 2024 : design des protéines et prédiction de leurs structures, deux facettes d’une même médaille”, publié le 10 octobre 2024 par Alessandra Carbone (professeur d’informatique et membre senior de l’Institut universitaire de France, Sorbonne Université) sur le site TheConversation.fr. Son préambule illustre l’apport des travaux récompensés : “… reconnaissance de deux avancées spectaculaires en sciences des protéines… comprendre comment les protéines interagissent est essentiel pour dévoiler les mécanismes qui gouvernent la vie, et permettre d’éclairer à l’avenir la susceptibilité aux maladies et leur gravité, tout en facilitant le déchiffrement des liens entre gènes, maladies et médicaments.”

Prédire la structure des protéines

L’ADN permet, via l’ARN de coder des chaînes d’acides aminés se repliant sur elles-mêmes et qui vont constituer les protéines. En se repliant, les protéines adoptent une forme tridimensionnelle qui est elle-même codée dans la séquence des acides aminés. Mais si le principe paraît simple, il était cependant difficile de prédire la structure tridimensionnelle d’une protéine à partir de la séquence connue de ses acides aminés et, inversement, lorsque la structure tridimensionnelle est connue, il était difficile de connaître la séquence d’acides aminés qui l’a produite. Les travaux de Demis Hassabis et John Jumper ont permis une avancée[...]

Connectez-vous pour consulter l'article dans son intégralité.