AlphaFold 3 (Google DeepMind et Isomorphic Labs)
2024-05-08 · Éditeur : Google DeepMind · Domaine : Intelligence Artificielle
Google DeepMind et Isomorphic Labs publient dans Nature AlphaFold 3, qui prédit la structure et les interactions de presque toutes les molécules du vivant : protéines, ADN, ARN, ligands. Un serveur gratuit l'ouvre aux chercheurs.
Ce qui change
- Au-delà des protéines : AlphaFold 3 modélise aussi l'ADN, l'ARN, les ligands et les modifications chimiques.
- Précision au moins 50 % supérieure aux méthodes existantes pour les interactions entre protéines et autres molécules, doublée dans certaines catégories.
- AlphaFold Server, gratuit, permet aux chercheurs de l'utiliser sans compétence en apprentissage automatique, pour un usage non commercial.
- Le code et les poids sont publiés en novembre 2024 pour la recherche académique, après des critiques sur l'absence de code à la parution.
- Isomorphic Labs l'exploite pour la conception de médicaments avec des partenaires pharmaceutiques.
Le 8 mai 2024, Google DeepMind et Isomorphic Labs, sa filiale consacrée à la découverte de médicaments, publient dans la revue Nature AlphaFold 3. Là où AlphaFold 2 prédisait la forme des protéines, cette version modélise la structure et les interactions de la plupart des molécules du vivant. ### Ce qui s'est passé - AlphaFold 3 prédit la structure de complexes associant protéines, ADN, ARN, petites molécules (ligands) et modifications chimiques. - Son architecture s'appuie sur un module de diffusion, proche des techniques de génération d'images, qui assemble directement les coordonnées des atomes. - Google DeepMind lance en parallèle AlphaFold Server, une interface web gratuite réservée à la recherche non commerciale. - En novembre 2024, le code et les poids du modèle sont publiés pour un usage académique. ### Chiffres clés | Élément | Valeur (annonce de Google DeepMind) | |---|---| | Interactions protéines et autres molécules | au moins 50 % de précision en plus que les méthodes existantes | | Certaines catégories d'interactions | précision doublée | | Banc d'essai PoseBusters (arrimage de ligands) | 50 % plus précis que les méthodes classiques | | Base AlphaFold (héritée d'AlphaFold 2) | 200 millions de structures de protéines | ### Pourquoi c'est un tournant Les médicaments agissent en se liant à des protéines, souvent au contact d'ADN ou d'ARN. Prédire ces assemblages en quelques minutes, plutôt qu'en mois de cristallographie, accélère la recherche fondamentale comme la conception de molécules thérapeutiques. Quelques mois plus tard, en octobre 2024, Demis Hassabis et John Jumper reçoivent le prix Nobel de chimie pour la prédiction de structures de protéines. ### Réserves À sa parution, l'article n'était pas accompagné du code, contrairement aux usages de Nature, ce qui a suscité une lettre ouverte de chercheurs. Le serveur limite le nombre de prédictions quotidiennes et exclut l'usage commercial. Comme tout modèle prédictif, AlphaFold 3 peut produire des structures plausibles mais fausses, notamment pour des régions désordonnées. ### À retenir AlphaFold 3 étend la biologie structurale assistée par IA des protéines à l'ensemble des interactions moléculaires, avec un débouché direct dans la découverte de médicaments.
Liens
Tags : IA, Science, Biologie, Google DeepMind, AlphaFold