Germain
ACCURATE PREDICTION OF PROTEIN STRUCTURES NOW AVAILABLE: ROSETTAFOLD
Les scientifiques ont attendu des mois pour avoir accès à des prédictions de structure de protéines hautement précises depuis que DeepMind a présenté des progrès remarquables dans ce domaine lors de la Conférence 2020 sur l’évaluation critique de la prédiction de structure, ou CASP14. L’attente est désormais terminée.
Des chercheurs de l’Institut de conception des protéines de l’École de médecine de l’Université de Washington à Seattle ont largement reproduit les performances atteintes par DeepMind dans cette tâche importante. Ces résultats seront publiés en ligne par le journal Science le jeudi 15 juillet.
Contrairement à DeepMind, la méthode de l’équipe de l’UW Medicine, qu’ils ont baptisée RoseTTAFold, est librement disponible. Des scientifiques du monde entier l’utilisent désormais pour construire des modèles de protéines afin d’accélérer leurs propres recherches. Depuis juillet, le programme a été téléchargé depuis GitHub par plus de 140 équipes de recherche indépendantes.
Les protéines sont constituées de chaînes d’acides aminés qui se replient en formes microscopiques complexes. Ces formes uniques donnent à leur tour lieu à presque tous les processus chimiques à l’intérieur des organismes vivants. En comprenant mieux les formes des protéines, les scientifiques peuvent accélérer le développement de nouveaux traitements pour le cancer, le COVID-19 et des milliers d’autres troubles de la santé.
« L’Institut de conception des protéines a connu une année chargée, avec la conception de thérapeutiques et de vaccins contre le COVID-19 et leur lancement dans des essais cliniques, ainsi que le développement de RoseTTAFold pour une prédiction de structure de protéines de haute précision. Je suis ravi de voir que la communauté scientifique utilise déjà le serveur RoseTTAFold pour résoudre des problèmes biologiques en suspens », a déclaré David Baker, auteur principal de l’étude, professeur de biochimie à l’École de médecine de l’Université de Washington, chercheur à l’Institut médical Howard Hughes et directeur de l’Institut de conception des protéines.
Dans cette nouvelle étude, une équipe de biologistes computationnels dirigée par Baker a développé l’outil logiciel RoseTTAFold. Il utilise l’apprentissage profond pour prédire rapidement et avec précision les structures des protéines sur la base d’informations limitées. Sans l’aide d’un tel logiciel, il peut falloir des années de travail en laboratoire pour déterminer la structure d’une seule protéine.
RoseTTAFold, en revanche, peut calculer de manière fiable une structure de protéine en aussi peu que dix minutes sur un simple ordinateur de jeu.
L’équipe a utilisé RoseTTAFold pour calculer des centaines de nouvelles structures de protéines, y compris celles de nombreuses protéines mal comprises du génome humain. Ils ont également généré des structures directement liées à la santé humaine, notamment celles des protéines associées aux troubles du métabolisme des lipides, aux troubles inflammatoires et à la croissance des cellules cancéreuses. Et ils montrent que RoseTTAFold peut être utilisé pour construire des modèles d’assemblages biologiques complexes en une fraction du temps précédemment requis.
RoseTTAFold est un réseau neuronal “à trois voies”, ce qui signifie qu’il prend simultanément en compte les motifs dans les séquences de protéines, la façon dont les acides aminés d’une protéine interagissent les uns avec les autres et la structure tridimensionnelle possible d’une protéine. Dans cette architecture, les informations unidimensionnelles, bidimensionnelles et tridimensionnelles circulent en aller-retour, ce qui permet au réseau de raisonner collectivement sur la relation entre les parties chimiques d’une protéine et sa structure repliée.
« Nous espérons que cet nouvel outil continuera de bénéficier à l’ensemble de la communauté scientifique », a déclaré Minkyung Baek, chercheur postdoctoral qui a dirigé le projet au laboratoire de Baker à l’UW Medicine.
Ce travail a été soutenu en partie par Microsoft, l’Open Philanthropy Project, Schmidt Futures, la Washington Research Foundation, la National Science Foundation, Wellcome Trust et le National Institute of Health. Une liste complète des partenaires est disponible dans l’article de Science.
Pour plus d’informations sur cette avancée majeure dans la prédiction précise des structures de protéines, veuillez consulter l’article original publié dans Science.
Sources:
– [Article original sur Science](lien)
– [Communiqué de presse de l’Institut de conception des protéines de l’UW Medicine](lien)
