NVIDIA et DeepMind publient structures 3D de 2 800 virus
Une coalition internationale réunissant NVIDIA, Google DeepMind et l’Institut européen de bioinformatique (EMBL-EBI), entre autres partenaires, a publié un ensemble de données open source prédisant les structures tridimensionnelles des complexes protéiques de plus de 2 800 virus. Cette initiative vise à renforcer la préparation scientifique face aux futures pandémies et à accélérer le développement de vaccins et de traitements. Les modèles ont été générés à l’aide d’AlphaFold2, le système d’intelligence artificielle spécialisé dans la prédiction du repliement des protéines, et optimisé pour fonctionner à grande échelle grâce au moteur d’inférence BioNeMo de NVIDIA. Cette accélération par calcul GPU a permis de traiter des milliers de protéomes viraux en un temps record. Parallèlement, NVIDIA met à disposition de la communauté scientifique le pipeline BioNeMo Structure Prediction, permettant à tout chercheur de prédire les structures de ses propres cibles protéiques. Environ 30 % des interactions protéiques ajoutées à la base de données AlphaFold n’avaient jamais été documentées auparavant. Ces nouvelles données comblent une lacune majeure : alors que la détermination expérimentale des structures virales peut prendre plusieurs années et coûter des milliers de dollars par échantillon, l’intelligence artificielle permet d’obtenir des prédictions en quelques minutes. Les chercheurs pourront ensuite valider les résultats les plus fiables par des méthodes traditionnelles. Cette publication intervient lors d’une assemblée générale des Nations Unies consacrée à la prévention et à la riposte pandémique. Une analyse du Center for Global Development estime à près de 50 % le risque mondial de connaître une crise sanitaire comparable à celle du SARS-CoV-2 d’ici 2050. Comme le souligne le professeur Joe Grove de l’Université de Glasgow, il est crucial de constituer des réservoirs de connaissances avant l’émergence de nouveaux pathogènes. L’accès libre à ces prédictions, classées par niveau de confiance, réduit considérablement les barrières pour les équipes travaillant dans des contextes à ressources limitées. La base de données AlphaFold dépasse désormais les 260 millions de prédictions, couvrant presque toutes les protéines répertoriées. Risha Patel de Google DeepMind et Jo McEntyre de l’EMBL-EBI rappellent que cette démocratisation des données biologiques fondamentales permet aux scientifiques de formuler de nouvelles hypothèses, de concevoir des diagnostics et de cibler précisément les mécanismes viraux pour interrompre leur propagation. En fournissant une vue détaillée de la manière dont les protéines s’assemblent au sein des virus, ce projet jette les bases d’une réponse médicale plus rapide et plus ciblée face aux menaces émergentes, des virus du rhume courant aux pathogènes à haut potentiel épidémique.
