Des chercheurs de l'Institut de chimie organique de Shanghai, affilié à l'Académie chinoise des sciences, ont mis au point Void-X, un modèle d'intelligence artificielle générative capable de prédire les interactions entre protéines à l'échelle atomique. Les résultats de cette recherche ont été publiés le 9 juin dans les Proceedings of the National Academy of Sciences. Contrairement aux approches conventionnelles qui élaborent d'abord une structure protéique globale avant d'ajuster les séquences, Void-X privilégie une méthode ascendante. Le modèle fonctionne selon un principe de remplissage atomique : il détecte les espaces vides au sein des interfaces protéiques et prédit la position des atomes manquants en analysant les interactions locales et les liaisons à distance. Cette stratégie s'appuie sur une logique physique stricte, où un empilement atomique optimal garantit la stabilité des complexes moléculaires. Pour former Void-X, l'équipe dirigée par Yang Jing, Yuan Junying et James J. Chou a assemblé un jeu de données de plus de huit millions de grappes atomiques sphériques issues de la base de données structurale des protéines. Environ trente pour cent des atomes périphériques étaient masqués pendant l'entraînement, obligeant le réseau de cent soixante-douze millions de paramètres à inférer leur position à partir des atomes environnants. Le modèle atteint une précision de soixante-dix-huit virgule trois pour cent pour les interactions au sein d'une même protéine, et de soixante-huit virgule deux pour cent pour les interactions entre protéines distinctes. Cette capacité à générer de nouveaux profils d'interactions protéiques à résolution atomique élargit considérablement les outils disponibles pour l'ingénierie des biomolécules. En complément des technologies actuelles de livraison thérapeutique, comme les virus adéno-associés ou les nanoparticules lipidiques à ARN messager, Void-X facilite une conception plus rationnelle des interfaces moléculaires. Les chercheurs estiment que cette avancée pourrait accélérer le développement de médicaments ciblés, notamment en oncologie et en endocrinologie, tout en ouvrant de nouvelles voies pour la biologie synthétique. L'outil s'impose ainsi comme une alternative physiquement intuitive, venant enrichir la prédiction et la modification des assemblages protéiques complexes.