IA scanne 4,6M de composés pour prédire les tautomères
Une équipe de chercheurs de l'Université New York (NYU) a mis au point un modèle d'intelligence artificielle capable de prédire avec précision la position des atomes d'hydrogène dans des molécules apparentées aux médicaments. Publiée dans la revue Chemical Science, cette recherche vise à résoudre un problème chronique en conception pharmaceutique : identifier la forme stable de structures chimiques pouvant exister sous plusieurs configurations, appelées tautomères. Le déplacement d'un seul atome d'hydrogène modifie profondément la façon dont une molécule se lie à ses cibles biologiques, rendant cette attribution indispensable pour la modélisation et la découverte de médicaments. Historiquement, la détermination de la configuration tautomère la plus stable repose sur des expériences complexes ou des calculs de mécanique quantique, souvent trop gourmands en temps et en ressources pour cribler de vastes bibliothèques chimiques. De plus, les bases de données structurales majeures, comme la Protein Data Bank, indiquent rarement les positions de l'hydrogène en raison de limites techniques expérimentales. Pour contourner ces obstacles, les chercheurs de la NYU ont exploité une source sous-utilisée : la Cambridge Structural Database. Leur premier auteur, Xiaolin Pan, en a extrait plus de 1,1 million d'exemples de tautomères, créant un ensemble de données expérimentales dix fois plus riche que ceux utilisés jusqu'à présent. Sur cette base, un réseau neuronal graphique a été entraîné pour prédire directement le tautomère stable à partir d'une représentation bidimensionnelle de la molécule, sans recourir à des modèles tridimensionnels ni à des calculs quantiques. Lors d'une validation sur 5 075 ligands de référence, le modèle a corrigé l'attribution initiale de près de 2,5 % des composés. Ces ajustements ont systématiquement optimisé les liaisons hydrogène avec les protéines environnantes, produisant des interactions plus cohérentes d'un point de vue chimique. Selon le professeur Yingkai Zhang, directeur de l'étude, cette réattribution ne invalide pas les structures protéiques expérimentales, mais suggère que leur représentation chimique peut être affinée pour plus de réalisme. La précision des positions d'hydrogène est un prérequis critique pour les simulations de dynamique moléculaire, qui modélisent le comportement et les mouvements des candidats-médicaments face à leur cible au fil du temps. Une attribution erronée fausse les prédictions énergétiques et cinétiques. Pour démocratiser cette approche, l'équipe a rendu son algorithme disponible en open source sous le nom Tautomer-Predictor. Dans des tests de performance, l'outil a traité 4,6 millions de composés en 3,2 heures sur un seul serveur équipé d'une carte graphique dédiée. Cette capacité de calcul rapide et fiable devrait accélérer considérablement les phases initiales du développement pharmaceutique et renforcer la précision des criblages virtuels à grande échelle.
