Des protéines peuvent former des « liaisons piégées » (catch-bonds) qui se renforcent sous tension, de la même manière qu’un piège à doigts chinois se serre quand on tire dessus. Grâce à une combinaison d’intelligence artificielle et de simulations moléculaires, des scientifiques de l’Université d’Auburn ont révélé comment ces liaisons s’activent presque instantanément dès qu’une force est appliquée, ouvrant de nouvelles pistes pour la médecine et la science des matériaux. Imaginez tirer sur un piège à doigts : plus vous exercez de force, plus il se resserre. Ce comportement contre-intuitif existe aussi dans la biologie. Certains complexes protéiques peuvent former des liaisons piégées, qui s’affermissent lorsqu’une tension est exercée. Ces interactions sont essentielles à des processus comme l’ancrage des bactéries aux cellules humaines ou la résistance des tissus aux contraintes mécaniques. Depuis longtemps, une question fondamentale demeurait sans réponse : ces liaisons nécessitent-elles d’être étirées jusqu’à un seuil critique pour s’activer, ou se renforcent-elles dès le début de la force appliquée ? Dans une étude récente, le Dr Marcelo Melo (Colorado State University, anciennement à Auburn) et le Dr Rafael Bernardi (Université d’Auburn) ont fourni une réponse claire. En combinant des simulations moléculaires à grande échelle avec des modèles d’intelligence artificielle, ils ont découvert que les liaisons piégées s’activent presque immédiatement après l’application de la force. Leur article, intitulé « AI Uncovers the Rapid Activation of Catch-Bonds under Force », a été publié dans le Journal of Chemical Theory and Computation. Pour résoudre le problème, l’équipe a simulé le comportement d’un complexe protéique bactérien appelé cellulosomes, l’un des systèmes de liaisons piégées les plus forts connus dans la nature. Grâce à des simulations de dynamique assistée (steered molecular dynamics), ils ont généré des centaines de « films » à haute résolution montrant la protéine sous contrainte, atome par atome. Ensuite, des modèles d’IA par régression ont été entraînés pour prédire le moment de la rupture. Le résultat a été surprenant : l’IA pouvait anticiper avec précision la résistance de la liaison en analysant seulement de courtes séquences de données, bien avant la rupture réelle. « Cela signifie que les protéines décident dès le début de leur résilience », explique le Dr Bernardi, professeur associé de physique à Auburn. « Le mécanisme de la liaison piégée s’active presque instantanément. » Comprendre ces liaisons n’est pas qu’une curiosité scientifique. Elles jouent un rôle clé dans la résistance des bactéries comme Staphylococcus aureus aux flux de liquides, dans l’adhésion des cellules immunitaires aux vaisseaux sanguins, ou encore dans la durabilité des tissus comme le cartilage face aux contraintes mécaniques. « Ce sont des systèmes où la vie a appris à tirer parti de la force », souligne le Dr Bernardi. « En s’inspirant de ces mécanismes, nous pouvons concevoir de nouveaux matériaux biomimétiques, des adhésifs intelligents ou même des stratégies thérapeutiques qui utilisent la contrainte mécanique au lieu de lutter contre elle. » L’étude met également en lumière le pouvoir de l’IA pour décrypter des données biologiques complexes. Contrairement aux approches basées sur des structures statiques, les modèles ont capturé des dynamiques subtiles au niveau des interfaces protéiques, détectant des signaux précurseurs de stabilité que l’œil humain ne verrait pas. « C’est passionnant : l’IA peut repérer des signes précoces de résilience que nous aurions manqués », affirme le Dr Bernardi. « Cela ouvre la voie à une utilisation de ces outils en conception de médicaments, en matériaux biomédicaux et en biologie synthétique. » Ce travail illustre l’essor de la biophysique computationnelle, à la croisée de la physique, de la biologie et de l’intelligence artificielle. « Ce projet montre comment ces trois domaines peuvent s’unir pour résoudre des questions que personne n’aurait pu aborder seul », conclut le chercheur.