HyperAIHyperAI

Command Palette

Search for a command to run...

Une IA révèle un point faible des virus herpétiques pour bloquer leur entrée dans les cellules

Des scientifiques de l’Université Washington State ont découvert une méthode prometteuse pour empêcher les virus d’entrer dans les cellules, en ciblant une protéine virale essentielle. Cette avancée, publiée dans la revue Nanoscale, ouvre la voie à de nouvelles stratégies thérapeutiques contre les virus, notamment les herpès. L’étude a été menée par une équipe pluridisciplinaire réunissant des chercheurs du département de génie mécanique et des matériaux et du département de microbiologie et de pathologie vétérinaire. « Les virus sont très intelligents, explique Jin Liu, auteur principal de l’étude et professeur au département de génie mécanique et des matériaux. Le processus d’invasion cellulaire est extrêmement complexe, avec de nombreuses interactions moléculaires. La plupart sont sans importance, mais certaines sont critiques. » L’équipe s’est concentrée sur une protéine de fusion utilisée par les virus herpès pour s’incorporer aux cellules, une étape fondamentale pour l’infection. Malgré leur importance, les mécanismes précis de cette protéine — grande et complexe — restent mal compris, ce qui explique en partie l’absence de vaccins efficaces contre ces virus très répandus. Pour surmonter cette difficulté, les chercheurs ont combiné l’intelligence artificielle et des simulations moléculaires détaillées. Les professeurs Prashanta Dutta et Jin Liu ont analysé des milliers d’interactions entre acides aminés, les briques fondamentales des protéines, en développant un algorithme qui utilise l’apprentissage automatique pour identifier les plus influentes. Cette approche a permis de repérer un acide aminé clé dans le processus d’entrée virale. En laboratoire, Anthony Nicola, du département de microbiologie vétérinaire, a introduit une mutation ciblée sur cet acide aminé. Résultat : le virus n’a plus pu fusionner avec les cellules, bloquant ainsi son entrée. Selon Jin Liu, cette méthode a considérablement accéléré la découverte. « Il s’agissait d’une seule interaction parmi des milliers. Sans simulation et apprentissage automatique, tester chaque possibilité par essai et erreur aurait pu prendre des années. La combinaison de modélisation théorique et d’expérimentation est extrêmement efficace et accélère la découverte de cibles biologiques essentielles. » Cependant, de nombreuses questions subsistent. L’équipe cherche à comprendre comment cette mutation modifie la structure globale de la protéine de fusion. « Il y a un écart entre ce que les expérimentateurs observent et ce que les simulations révèlent », souligne Liu. « La prochaine étape est de comprendre comment une petite modification à l’échelle moléculaire affecte les changements structurels à plus grande échelle — un défi majeur. » Cette recherche a été menée par Jin Liu, Prashanta Dutta, Anthony Nicola, ainsi que par les doctorants Ryan Odstrcil, Albina Makio et McKenna Hull. Elle a été financée par les Instituts nationaux de la santé (NIH).

Liens associés

Une IA révèle un point faible des virus herpétiques pour bloquer leur entrée dans les cellules | Articles tendance | HyperAI