Académie de la relève en santé : L’IA pour l’étude des protéines

Article 6

Quand on parle d'intelligence artificielle en médecine, la première image qui nous vient en tête est souvent la radiologie. Comme les images radiologiques sont maintenant numériques, il semble naturel d'utiliser des outils informatiques pour les analyser.

Mais ce n'est qu'une des nombreuses applications de l'IA en santé. Un domaine de recherche qui a beaucoup évolué grâce à ces technologies, mais qui est souvent oublié, c'est l'étude des protéines. « Les protéines sont des molécules essentielles aux organismes vivants ainsi qu’au fonctionnement des virus. Leurs rôles sont très variés et sont déterminés par leur composition et leur forme tridimensionnelle » (AlloProf). Il existe des millions de protéines différentes!

La structure des protéines 

Si tu es aussi vieux que moi, tu as peut-être déjà entendu parler d' AlphaGo, le programme créé par DeepMind (entreprise de Google spécialisée dans l'intelligence artificielle) qui a battu les meilleurs joueurs de go en 2016. Le go, c’est un jeu de stratégie asiatique encore plus complexe que les échecs ! Après ce succès, l'entreprise a décidé de s'attaquer à l'étude des structures protéiques. En effet, les protéines sont composées de milliers d'acides aminés, qui interagissent pour former une structure unique et en trois dimensions (pour mieux comprendre le phénomène, tu peux aller lire l’excellent article sur la synthèse des protéines chez Alloprof).

Étudier la structure des protéines, c’est très important. Ces découvertes auront des retombées incroyables dans le domaine médical. Elles permettront de mieux comprendre les maladies et de développer de nouveaux médicaments pour les combattre. Pour comprendre la structure des protéines, plusieurs méthodes traditionnelles sont déjà employées en recherche, comme la cristallographie par rayons X ou la résonance magnétique nucléaire, mais ce sont des méthodes longues et coûteuses.

De nombreux chercheurs ont donc essayé de trouver de nouvelles méthodes pour déterminer la structure des protéines. 

Les avancées technologiques

Dès les années 1990, des chercheurs ont tenté d’utiliser des outils informatiques pour prédire la structure des protéines à partir de leur séquence d'acides aminés. En 2008, ils ont même créé un jeu vidéo en ligne où les joueurs devaient essayer de prédire ces structures. Ce jeu collaboratif utilise des règles très précises qui correspondent aux règles réelles de repliement des protéines. Malgré des résultats intéressants, les prédictions n'étaient pas assez précises pour être utilisées en contexte scientifique.

C'est là que l'équipe de DeepMind est intervenue. Ils ont développé un réseau de neurones similaire à celui utilisé pour AlphaGo, mais cette fois pour prédire les structures protéiques. C'est ainsi qu'est né AlphaFold 1. Bien qu'il y ait eu quelques problèmes techniques à régler, les progrès étaient énormes. Avec AlphaFold 2, les prédictions étaient si précises qu'elles pouvaient être utilisées dans la recherche scientifique. En 2021, environ 100 000 structures de protéines avaient été identifiées en 60 ans de travail. Ces protéines ont servi à entraîner AlphaFold. Aujourd'hui, on estime que la structure de plus de 200 millions de protéines a été prédite, ce qui correspond à presque toutes les protéines possibles. Cette innovation a même valu à l'un de ses créateurs, Demis Hassabis, de recevoir le prix Nobel de chimie avec un autre chercheur ayant travaillé sur le sujet.

Pour moi, cette histoire montre la complémentarité entre l'intelligence artificielle et l'humain. Ce n'est pas une compétition, mais plutôt une collaboration qui nous permettra de faire de grandes choses.

Cédrik Marchildon
Étudiant en médecine et collaborateur de 
l’Académie de la relève en santé du CHUM

Découvre, apprends, et inspire-toi pour bâtir ton avenir en dans le domaine de la santé!

Tu veux en savoir plus sur les opportunités de carrière en santé? Les sciences, les technologies, l’ingénierie ou encore les mathématiques te passionnent?

Découvre la programmation virtuelle