Des chercheurs de l'Université du Texas à Dallas ont mis au point une nouvelle méthode d'ingénierie des protéines capable de révolutionner le développement de traitements contre le cancer. Cette avancée, publiée dans Nature Communications, résout un problème majeur : la difficulté de prédire comment les protéases, des enzymes agissant comme des ciseaux moléculaires, se comporteront avant les tests en laboratoire. Pour surmonter cet obstacle, l'équipe a créé un modèle d'intelligence artificielle nommé ProSSpeC (calculateur de spécificité des substrats des protéases). Les protéases jouent un rôle crucial en biologie en découpant les protéines de l'organisme. Elles sont essentielles pour arrêter la réplication virale et tuer les cellules cancéreuses. Cependant, la création de médicaments ciblant ces enzymes a longtemps été ralentie par un processus lent et coûteux d'essais et d'erreurs. ProSSpeC change cette donne en analysant comment les protéases ont évolué au fil du temps. Le modèle examine des millions d'années d'évolution pour comprendre comment les enzymes similaires ont changé et prédire si une variante modifiée fonctionnera correctement. Cela permet aux scientifiques d'identifier les parties essentielles d'une protéase et celles qui peuvent être modifiées sans compromettre sa fonction, évitant ainsi de tester des milliers de variations aléatoires. La recherche, menée par le Dr P.C. Dave Dingal et le Dr Faruck Morcos, combine l'ingénierie biochimique, la biologie évolutive et la biologie computationnelle. En analysant des milliers d'enzymes apparentées issues de la famille des Potyviridae, un groupe de virus végétaux, le modèle a pu suggérer la création de protéases synthétiques sur mesure. Lors des tests en laboratoire, ces enzymes conçues par l'IA ont surpassé les enzymes actuellement utilisées, telles que la protéase du virus de la mosaïque du tabac, qui sert couramment à purifier des protéines dans la recherche et la production pharmaceutique. Les chercheurs ont validé les prédictions de ProSSpeC en produisant et en testant effectivement les nouvelles protéases recommandées par le modèle. Les résultats ont été si prometteurs que l'équipe a déposé une demande de brevet provisoire pour plusieurs de ces enzymes plus efficaces. Le Dr Dingal a déclaré que cette approche ouvre la voie à la conception de nouveaux enzymes capables de traiter des maladies avec une précision et une efficacité accrues. De son côté, le Dr Morcos a souligné que le modèle laisse essentially la nature guider la construction d'outils moléculaires meilleurs. Cette étude illustre également l'importance de la collaboration interdisciplinaire, impliquant des doctorants en ingénierie biomédicale et des étudiants de licence. Medel B. Lim Suan Jr., co-premier auteur de l'étude, a souligné la valeur de cette expérience où la modélisation informatique s'intègre directement à la biologie expérimentale. En réduisant la dépendance aux méthodes empiriques, cette innovation technologique accélère considérablement le développement de thérapies plus ciblées pour une variété de pathologies, notamment le cancer.