L’IA ne comprend pas encore tout des protéines
Ce qu’une protéine sanguine nous apprend sur les limites de l’intelligence artificielle
Des chercheurs de la Vrije Universiteit Brussel, de l’Institut Interuniversitaire de Bioinformatique de Bruxelles et de l’Université de Gand ont découvert qu’une protéine importante présente dans notre sang, l’alpha-1-glycoprotéine acide (AGP), se comporte de manière bien plus complexe que ce que l’intelligence artificielle (IA) peut actuellement prédire.
L’AGP est abondante dans notre sang et joue un rôle clé dans les inflammations et certains cancers. Elle influence également la manière dont les médicaments agissent dans notre corps. Pourtant, malgré des décennies de recherches, cette protéine reste difficile à comprendre. En cause : sa structure complexe, décorée de molécules de sucre appelées « glycanes », qui changent constamment de forme et rendent son comportement très variable.
Dr. Bhawna Dixit a étudié l’AGP dans le cadre de sa thèse de doctorat. Elle a découvert que de petites mutations génétiques dans l’AGP – certaines étant présentes chez des patients atteints de cancer – peuvent totalement modifier la façon dont la protéine bouge et interagit avec les médicaments. Et lorsque l’on prend aussi en compte les glycanes, qui varient selon l’état de santé ou d’inflammation du corps, les choses deviennent encore plus complexes.
« Un minuscule changement au bon endroit peut complètement modifier le comportement de la protéine », explique la Dre Dixit. « Cela a des conséquences importantes pour la médecine personnalisée, car tout le monde ne réagit pas de la même manière. »
Dans une étude complémentaire, les chercheurs ont testé si AlphaFold, une IA célèbre pour prédire les structures de protéines, pouvait modéliser ces changements complexes. Malheureusement, non. AlphaFold s’en sort bien avec les parties rigides des protéines, mais a du mal à représenter correctement les zones flexibles et dynamiques. Des comparaisons avec des données expérimentales ont montré que l’IA simplifie trop ces régions mobiles.
« Les modèles d’IA comme AlphaFold sont formés sur des représentations statiques des protéines », explique Dixit. « Mais beaucoup de protéines sont tout sauf statiques. Il faut donc être prudent avec les prédictions de l’IA. »
Ces résultats montrent que, même si l’IA a un grand potentiel, elle ne saisit pas encore tout – surtout quand il s’agit des processus biologiques complexes de notre corps. L’expérimentation en laboratoire reste donc essentielle. La collaboration entre les humains et l’intelligence artificielle n’a jamais été aussi importante.
Vous pouvez explorer les résultats comparatifs sur le site interactif : https://bio2byte.be/af_nmr_nma
Referenties:
- Dixit, B., Vranken, W., & Ghysels, A. (2023). Conformational dynamics of α‐1 acid glycoprotein (AGP) in cancer. DOI
- Gavalda-Garcia, J., Dixit, B., Díaz, A., Ghysels, A., & Vranken, W. (2024). Gradations in protein dynamics captured by experimental NMR are not well represented by AlphaFold2 models. DOI
Contacte:
Bhawna Dixit: Bhawna.dixit@vub.be
