BiteNetI cartographie les sites ioniques des protéines

Les chercheurs de l'Université Constructor et de Constructor Labs ont mis au point BiteNetI, un modèle d'apprentissage profond capable de localiser avec précision les sites de fixation des ions dans les structures protéiques tridimensionnelles. Publiée en 2026 dans la revue Communications Biology, cette étude signée Igor Kozlovskii et Petr Popov présente un outil qui identifie simultanément quatorze types d'ions biologiquement essentiels en quelques secondes par structure. Le modèle affiche une précision deux à trois fois supérieure à celle d'AlphaFold 3 de Google DeepMind pour des ions vitaux comme le calcium, le potassium ou le magnésium, tout en surpassant des algorithmes traditionnellement spécialisés comme Metal3D pour le zinc. S'appuyant sur une approche physique inspirée de la reconnaissance d'images, BiteNetI traduit les protéines en grilles tridimensionnelles et analyse onze types d'atomes distincts. Entraîné sur plus de douze mille complexes protéiques contenant plus de trente-cinq mille ions cartographiés, il prédit à la fois les coordonnées exactes des sites de liaison et les résidus protéiques impliqués, multipliant par dix la vitesse de traitement par rapport à l'exécution de modèles distincts pour chaque ion. Les protéines, véritables ouvrières cellulaires, dépendent fortement des ions pour stabiliser leur forme et déclencher des réactions chimiques. Un dysfonctionnement de ces interactions peut provoquer des troubles neurologiques, cardiovasculaires ou métaboliques. Cartographier ces sites à haute résolution était jusque-là un processus long et coûteux, limité par des méthodes expérimentales complexes ou des outils computationnels peu évolutifs. BiteNetI comble ce manque en offrant une plateforme ouverte susceptible d'accélérer la découverte de médicaments et l'analyse du fonctionnement cellulaire. Les chercheurs ont également constaté que la précision s'améliorait significativement lorsque les molécules d'eau environnantes étaient incluses dans l'analyse, une fiabilité qui se maintient quelle que soit la technique d'imagerie utilisée. Selon Petr Popov, BiteNetI répond à une question précise et démontre qu'un modèle compact peut annoter les structures existantes avec une grande exactitude. L'équipe vise désormais à développer un modèle généraliste unique capable de reconnaître tous les types de sites de liaison, unifiant ainsi des outils aujourd'hui disparates. Pour favoriser la collaboration scientifique, l'outil est disponible gratuitement en ligne via une interface web accessible sans inscription.