L’entreprise britannique DeepMind, société sœur de Google, a créé une intelligence artificielle capable de prédire la structure des protéines. Elle vient d’annoncer un nouveau partenariat afin d’assister au développement de nouveaux traitements pour des maladies tropicales négligées.
au sommaire
En novembre 2020, une intelligence artificielle a remporté le CASP (Critical Assessment of Structure Prediction), un concours annuel pour prédire la structure des protéinesprotéines. Ce processus long et complexe est fondamental pour créer de nouveaux traitements médicaux. Cette IA, c'est AlphaFold. Elle est développée par DeepMind, une filiale britannique d'Alphabet, la maison mère de GoogleGoogle.
La firme vient d’annoncer un partenariat avec la DNDi (Drugs for Neglected Diseases initiative), une organisation de recherche qui tente de trouver des traitements pour les maladies tropicales négligées. L'objectif est d'utiliser AlphaFold pour accélérer le développement de nouveaux médicaments pour la maladie de Chagasmaladie de Chagas et la leishmanioseleishmaniose.
AlphaFold pourrait démocratiser la recherche
Des chercheurs du DNDi ont récemment découvert une moléculemolécule capable de se lier à une protéine de Trypanosoma cruzi, le parasiteparasite responsable de la maladie de Chagas, et de le tuer. AlphaFold a pu prédire la structure de cette protéine, ce qui permettra aux chercheurs de concevoir plusieurs médicaments qui s'y lient de différentes manières. Confier cette étape, particulièrement longue et coûteuse, de la recherche à une IA pourrait la rendre beaucoup plus accessible aux pays où la recherche ne dispose pas des moyens nécessaires pour s'attaquer à certaines maladies.
DeepMind souhaite développer d'autres partenariats, notamment pour des maladies chroniques comme le cancer. Certains spécialistes appellent à la prudence, puisque les structures des protéines du corps humain sont beaucoup moins prévisibles que celles des virus et parasites. Toutefois, si AlphaFold parvient à faire ses preuves, la prochaine étape pourrait être d'utiliser l’apprentissage profond pour prédire comment les molécules se lient aux protéines, et ainsi trouver plus rapidement des traitements potentiels.
