Un outil d’intelligence artificielle révolutionnaire développé à l’Université du Missouri pourrait faire progresser considérablement le traitement du cancer et d’autres maladies. L’outil utilise des images obtenues par cryomicroscopie électronique pour révéler la structure de complexes protéiques, ouvrant ainsi la voie à des diagnostics et des thérapies plus efficaces.
Dans une avancée significative, des chercheurs de l’Université du Missouri exploitent l’intelligence artificielle pour décoder la danse complexe des protéines au sein des cellules, une découverte qui est très prometteuse pour des avancées révolutionnaires dans le traitement du cancer et d’autres domaines médicaux.
Jianlin « Jack » Cheng, professeur émérite de génie électrique et d’informatique, et son étudiant Nabin Giri ont dévoilé Cryo2Struct. Ce programme informatique innovant utilise l’intelligence artificielle pour construire des modèles 3D détaillés de grands complexes protéiques à partir d’images obtenues par cryomicroscopie électronique (cryo-EM). Leurs résultats ont été récemment publiés publié dans la revue Nature Communications.
« La cryo-EM est aujourd'hui une technologie révolutionnaire et essentielle pour déterminer les grandes structures et assemblages de protéines dans les cellules », a déclaré Cheng dans un communiqué. communiqué de presse« Mais la construction de structures protéiques à partir de données Cryo-EM nécessite beaucoup de travail et d’intervention humaine, ce qui la rend longue et difficile à reproduire. Notre technique est entièrement automatisée et génère des structures plus précises que les méthodes existantes. »
Les protéines sont les éléments fondamentaux de la vie. Elles se présentent sous la forme de simples chaînes d’acides aminés qui se replient pour former des structures tridimensionnelles complexes. Ces formes complexes déterminent leurs fonctions vitales dans l’organisme. Pendant des décennies, les scientifiques ont eu du mal à comprendre pleinement ce processus de repliement.
Les travaux pionniers de Cheng en 2012 sur l'application de l'apprentissage profond à ce problème ont marqué un tournant, en démontrant que l'IA pouvait prédire les structures des protéines. Cela a jeté les bases d'outils comme AlphaFold de Google, réputé pour sa précision dans la prédiction de la structure des protéines.
Cependant, comprendre une protéine en particulier n’est qu’une partie du défi. Dans les organismes vivants, les protéines fonctionnent ensemble dans des assemblages complexes, comme des machines moléculaires pour effectuer des tâches biologiques essentielles. Décrypter ces interactions protéiques est essentiel pour comprendre les mécanismes des maladies et développer des traitements efficaces.
Cryo2Struct s'apparente à un maître détective, qui reconstitue le puzzle moléculaire sans connaissances préalables. Il analyse les images cryo-EM pour localiser les atomes individuels d'un complexe protéique et les assemble dans un modèle 3D cohérent. Cette vue complète offre des informations approfondies sur le comportement et les interactions des protéines.
« Notre technologie permet aux scientifiques de déterminer et de construire une structure à partir de données cryo-EM », a ajouté Cheng. « Une fois que vous avez cette structure et que vous comprenez ses fonctions, vous pouvez concevoir des médicaments pour contrer toute fonction défectueuse d'un complexe protéique afin qu'il fonctionne correctement. »
Dans une étude associée publié En chimie, Cheng et l'étudiant Alex Morehead se sont penchés sur une autre application de l'IA, le modèle de diffusion. Cette approche modélise la transformation des structures moléculaires du bruit aléatoire en formes bien définies, ce qui peut aider à la conception et à l'optimisation des médicaments.
« Par exemple, j’ai un médicament et je veux qu’il soit plus efficace pour certains patients », a ajouté Cheng. « Maintenant, je peux utiliser l’IA pour le modifier et l’optimiser. »
L’impact potentiel de Cryo2Struct et d’autres outils d’IA similaires va bien au-delà de la recherche universitaire et recèle des implications prometteuses pour l’avenir de la médecine personnalisée et le traitement de maladies complexes comme le cancer. En automatisant et en affinant l’étude des structures protéiques, ces innovations pourraient conduire à des diagnostics plus efficaces, à des traitements ciblés et, en fin de compte, à de meilleurs résultats pour les patients.
Pour les membres des communautés scientifiques et médicales, cette avancée démontre le pouvoir transformateur de l’IA pour relever certains des défis les plus tenaces dans les domaines des soins de santé et de la biologie.