L'IA identifie des cibles thérapeutiques mitochondriales

Des chercheurs de Texas A&M AgriLife Research ont utilisé l’intelligence artificielle pour cartographier les interactions entre les protéines des mitochondries, ouvrant la voie à de nouvelles pistes pour comprendre et traiter certaines maladies. Publiée dans Nature Communications, l’étude répond à un problème de longue date : si environ 1 100 protéines sont connues dans les mitochondries, les centrales énergétiques des cellules humaines, beaucoup restent sans fonction clairement établie. Or, des mutations affectant près de 30 % de ces protéines ont été associées à des pathologies variées, dont le cancer, la maladie de Parkinson, la maladie d’Alzheimer et des troubles métaboliques héréditaires rares. Sans connaître le rôle précis de ces protéines, il est difficile de comprendre l’origine de ces maladies et de proposer des traitements. L’équipe a donc cherché à identifier, par la prédiction, quels partenaires biologiques étaient impliqués avec chaque protéine mitochondriale. Les chercheurs ont soumis les 630 003 combinaisons possibles de paires de protéines à AlphaFold-Multimer, un outil développé par Google DeepMind en 2022 pour modéliser la structure tridimensionnelle de complexes protéiques. Plutôt que de l’employer uniquement pour prédire des formes, ils s’en sont servi comme d’un modèle de classification afin d’évaluer la probabilité d’interactions. Au total, l’étude a recensé 2 895 interactions probables, dont plus de la moitié n’avaient jamais été décrites auparavant. Elle a aussi fourni à 85 protéines jusqu’alors inconnues leurs premiers partenaires probables, offrant ainsi des indices sur leur fonction cellulaire. Ces résultats relient plusieurs protéines impliquées dans des maladies à des voies biologiques encore mal comprises, révélant des cibles potentielles pour le diagnostic ou la thérapie. Les prédictions n’ont pas été prises pour argent comptant. Elles ont ensuite été confrontées à environ deux ans d’expériences de laboratoire dans des cellules de levure et humaines, en collaboration avec l’École de médecine de l’Université Washington à St. Louis. Ces vérifications ont confirmé plusieurs associations et suggèrent que l’IA peut servir de feuille de route expérimentale, orientant les biologistes vers les hypothèses les plus prometteuses plutôt que de remplacer les tests biologiques. Pour élargir l’impact, les auteurs ont publié leur base de prédictions sous le nom MitoMatch, accessible gratuitement en ligne. Les chercheurs du monde entier peuvent y chercher des partenaires probables pour les protéines mitochondriales qu’ils étudient. Le projet illustre aussi l’usage détourné d’un outil conçu pour la prédiction de structures tridimensionnelles afin de répondre à un problème plus large : attribuer une fonction à des milliers de protéines encore mystérieuses. Les auteurs précisent que les thérapies ciblées pourraient mettre du temps à arriver, mais leurs travaux montrent qu’une approche créative par l’IA permet de mieux orienter la recherche biomédicale, même dans un laboratoire de biochimie et de génétique classique.