Une approche innovante alliant conception computationnelle et évolution dirigée en laboratoire permet désormais d'optimiser significativement l'ingénierie des enzymes. Jusqu'à présent, l'évolution dirigée, bien que puissante pour développer de nouvelles fonctions catalytiques, se heurtait souvent à une perte de stabilité protéique lors de l'accumulation de mutations. Les protéines naturelles, généralement marginalement stables, voyaient leurs performances compromises lorsqu'on leur demandait d'adopter des propriétés non natives. Pour contourner ce problème, des chercheurs ont testé une stratégie reposant sur le prétraitement computationnel des enzymes avant leur évolution expérimentale. En s'appuyant sur des modèles d'apprentissage automatique comme ProteinMPNN et des méthodes de prédiction physique comme PROSS, l'équipe a d'abord reprogrammé la séquence de protéases issues de la neurotoxine botulique sérotype E afin d'en renforcer la stabilité thermique et la solubilité, tout en préservant leur activité catalytique native. Ces variants stabilisés ont ensuite été soumis à un système d'évolution continu nommé PACE, qui simule des générations successives de sélection et de mutation sans intervention humaine. Les résultats démontrent que les enzymes redessinées sur ordinateur constituent des points de départ nettement supérieurs. Comparées à leurs équivalents naturels, elles ont développé une activité catalytique plus élevée sur de nouveaux substrats, plus rapidement et avec un taux de succès remarquablement supérieur. La stabilité accrue du point de départ a élargi l'espace des mutations accessibles, permettant l'exploration de voies évolutives inaccessibles aux protéines sauvages. Dans certains cas de sélection particulièrement exigeante, l'évolution initiant avec une enzyme naturelle a échoué, tandis que les variants conçus par intelligence artificielle ont systématiquement abouti à des solutions fonctionnelles. Cette méthode a été appliquée avec succès à un objectif thérapeutique ciblant l'ataxine-2, une protéine impliquée dans certaines maladies neurodégénératives. Les chercheurs ont généré une protéase reprogrammée capable de cliver spécifiquement l'ataxine-2 tout en éliminant toute activité sur sa cible native. Contrairement aux enzymes issues de l'évolution traditionnelle, ces variantes redessinées ont montré une spécificité quasi absolue, une expression cellulaire améliorée et une stabilité conservée en milieu physiologique. Cette convergence entre le design computationnel et l'évolution dirigée comble une lacune majeure en ingénierie des protéines. En élevant la stabilité de base des enzymes, la stratégie accélère l'adaptation, réduit le besoin de mutations compensatoires et élargit considérablement le paysage évolutif exploitable. À terme, ce workflow automatisé et hautement reproductible ouvre la voie à la création d'enzymes thérapeutiques plus sûres, de catalyseurs industriels plus performants et d'outils de recherche capables de cibler des substrats biologiques jusque-là inaccessibles. Les résultats confirment que la stabilité computationnelle préalable n'est pas seulement un remède à la dégradation fonctionnelle, mais un véritable multiplicateur de potentiel évolutif.