Dan Kalifa Uriel Singer Kira Radinsky

Résumé

Les protéines jouent un rôle essentiel dans les processus biologiques, et la compréhension des mécanismes complexes au sein des organismes vivants repose en grande partie sur leur étude. Une représentation précise des protéines est fondamentale pour les progrès en développement de médicaments, en biologie synthétique et en compréhension des mécanismes des maladies. Les méthodologies actuelles se concentrent principalement sur les structures unidimensionnelles (1D), en mettant l’accent sur les séquences d’acides aminés. Toutefois, cette approche néglige les détails structuraux tridimensionnels (3D) essentiels qui déterminent la fonctionnalité des protéines et leurs interactions. Les premières tentatives visant à exploiter conjointement les modalités 1D et 3D ont montré des bénéfices limités par rapport aux représentations basées sur une seule modalité. Dans ce travail, nous introduisons FusionProt, un nouveau cadre d’apprentissage de représentations protéiques conçu pour apprendre simultanément des représentations unifiées des structures 1D et 3D des protéines. FusionProt intègre un nouveau token d’agrégation apprenable, qui agit comme un pont adaptatif, permettant un échange itératif d’informations entre un modèle linguistique protéique et le graphe de la structure 3D de la protéine. Ce token est intégré au processus d’entraînement des deux modalités, permettant une propagation fluide des informations et favorisant une représentation complète via des cycles itératifs d’apprentissage. Des évaluations empiriques menées sur diverses tâches biologiques démontrent que FusionProt atteint des performances de pointe, marquant une avancée significative dans le domaine de l’apprentissage des représentations protéiques.