L’apprentissage par renforcement produit des conceptions de protéines innovantes

Le cerveau d’un rat dans lequel une protéine fluorescente a été utilisée pour mettre en évidence des cellules cérébrales humaines transplantées – Copyright Stanford University/AFP Sergiu PASCA

La stratégie d’intelligence artificielle (IA) optimale pour jouer à des jeux de société comme Chess and Go est l’apprentissage par renforcement. Cette approche a récemment été adaptée pour un puissant programme de conception de protéines.

En utilisant cette méthode, les chercheurs ont démontré que lorsqu’ils sont formés pour résoudre des énigmes de longue date en science des protéines, les logiciels peuvent exceller dans la création de molécules utiles. Par exemple, dans une expérience, les protéines fabriquées avec la nouvelle approche se sont avérées plus efficaces pour générer des anticorps utiles chez la souris par rapport aux méthodes précédentes.

Apprentissage par renforcement est un type d’apprentissage automatique dans lequel un programme informatique apprend à prendre des décisions en essayant différentes actions et en recevant des commentaires. En concevant un algorithme approprié, comme celui qui peut apprendre à jouer aux échecs, le même processus d’évaluation de millions de mouvements différents peut être appliqué à des expériences biologiques.

Cette approche a conduit les scientifiques de l’Université de Washington School of Medicine/UW Medicine à spéculer que si cette méthode est appliquée aux bons problèmes de recherche, elle pourrait probablement accélérer les progrès dans une variété de domaines scientifiques.

Pour explorer le potentiel de la conception de protéines, les scientifiques ont donné à un ordinateur des millions de molécules de départ simples. Le logiciel a procédé à dix mille tentatives d’amélioration aléatoire de chacun vers un objectif prédéfini. L’ordinateur a allongé les protéines ou les a pliées de manière spécifique jusqu’à ce qu’il apprenne à les contorsionner dans les formes souhaitées.

À partir de là, les scientifiques ont fabriqué des centaines de protéines conçues par l’IA en laboratoire. En utilisant des microscopes électroniques et d’autres instruments, les chercheurs ont confirmé que de nombreuses formes de protéines créées par l’ordinateur avaient bien été réalisées en laboratoire. Chacun a été confirmé comme étant d’une conception atomiquement précise.

Selon le chercheur principal Isaac D. Lutz, Shunzhi Wang : « Notre approche est unique car nous utilisons l’apprentissage par renforcement pour résoudre le problème de la création de formes de protéines qui s’emboîtent comme les pièces d’un puzzle. Cela n’était tout simplement pas possible avec les approches précédentes et a le potentiel de transformer les types de molécules que nous pouvons construire.

On espère que cette nouvelle percée conduira à des vaccins plus puissants et peut-être à une nouvelle ère dans la conception de protéines. Cela comprend la gestion du spectre allant du développement de traitements plus efficaces contre le cancer à la création de nouveaux textiles biodégradables.

On prévoit que plus la technologie devient précise, plus elle ouvre des applications potentielles, y compris les traitements vasculaires du diabète, des lésions cérébrales, des accidents vasculaires cérébraux et d’autres cas où les vaisseaux sanguins sont à risque.

La recherche décrivant comment les scientifiques ont appliqué avec succès l’apprentissage par renforcement à un défi en biologie moléculaire apparaît dans la revue Science. L’article s’intitule “Conception descendante d’architectures protéiques avec apprentissage par renforcement”.