AdaptiveFlow accélère le criblage virtuel de médicaments par IA
Des chercheurs de plusieurs institutions médicales prestigieuses ont présenté AdaptiveFlow, une plateforme open source alimentée par l'intelligence artificielle qui révolutionne le criblage virtuel de molécules à visée thérapeutique. Publiée aujourd'hui dans Nature Biotechnology, cette solution permet de tester jusqu'à soixante-neuf milliards de composés en une seule fois, ce qui en fait la plus vaste bibliothèque prête à l'emploi actuellement disponible. Développée par des équipes issues de l'hôpital d'enfants St. Jude, de l'université de Pavie, de l'institut Dana-Farber et de l'école de médecine de Harvard, AdaptiveFlow répond à un défi majeur de l'industrie pharmaceutique : le coût prohibitif et la complexité technique du déploiement de criblages à très grande échelle. La plateforme réduit les besoins en puissance de calcul d'un facteur mille par rapport aux méthodes traditionnelles. Contrairement aux logiciels conventionnels qui perdent en efficacité lorsqu'ils mobilisent de nombreux processeurs, AdaptiveFlow maintient une montée en charge parfaitement linéaire dans un environnement cloud, exploitant efficacement jusqu'à 5,6 millions de processeurs virtuels sans perte de performance. Son architecture repose sur une grille à dix-huit dimensions qui cartographie les propriétés chimiques des molécules. Couplée à un modèle d'apprentissage automatique affiné sur des données préliminaires, cette structure guide le tri et la priorisation rationnelle des composés les plus prometteurs. Ces derniers sont ensuite évalués contre des cibles protéiques grâce à plus de 1 500 protocoles d'analyse de liaison et classés selon leur affinité prédite. Pour valider son efficacité, l'équipe a utilisé AdaptiveFlow pour identifier des inhibiteurs puissants contre deux cibles cancéreuses : la PARP1, une cible validée, et la FSP1, une cible émergente dont le site de liaison présente une complexité particulière. Dans les deux cas, le système a isolé des molécules présentant une force de liaison équivalente aux standards pharmaceutiques actuels. Ces résultats confirment la fiabilité de l'outil, même face à des protéines difficiles à cibler. En rendant la plateforme entièrement open source et en mettant à disposition des tutoriels détaillés, les développeurs souhaitent démocratiser l'accès au criblage ultra-large. Cette initiative vise à réduire les délais et les budgets des premières phases de découverte de médicaments, à soutenir les groupes de recherche académiques et indépendants, et à augmenter les taux de réussite des essais cliniques pour des pathologies encore mal traitées. AdaptiveFlow est dès à présent téléchargeable librement et est ouvert aux contributions de la communauté scientifique.
