En combinant intelligence artificielle (IA) et simulations moléculaires, des chercheurs du Laboratoire national d’Oak Ridge (ORNL), sous l’égide du Département de l’Énergie des États-Unis, ont mis au point un outil innovant pour mieux comprendre les mécanismes fondamentaux de la communication entre les plantes et les microbes bénéfiques. Ce système hybride, baptisé MD/ML, permet de prédire avec plus de précision les modes de liaison entre de grandes molécules flexibles (ligands) et leurs récepteurs protéiques, un défi majeur dans l’étude des symbioses végétales-microbiennes. Les plantes communiquent avec leurs micro-organismes environnants à l’aide de signaux chimiques appelés ligands, notamment des lipo-chitooligosaccharides (LCOs), qui jouent un rôle clé dans la formation de partenariats symbiotiques favorisant la croissance et la santé des plantes. Cependant, la prédiction des interactions entre ces ligands complexes et leurs récepteurs protéiques a longtemps été entravée par la flexibilité et la taille des molécules impliquées. Les outils classiques comme AlphaFold, bien qu’efficaces pour prédire les structures statiques des protéines, sont peu adaptés aux ligands volumineux et dynamiques, car ils sont principalement entraînés sur des petites molécules de type médicament. Pour surmonter cette limitation, les équipes d’ORNL ont combiné la dynamique moléculaire (MD), qui simule les mouvements en temps réel des protéines, avec des modèles d’apprentissage automatique (ML) entraînés sur de vastes ensembles de données de complexes protéine-ligand. Cette approche hybride permet de capturer les fluctuations dynamiques des protéines, offrant une vision bien plus réaliste des interactions moléculaires. Les simulations ont été réalisées sur les supercalculateurs Frontier et Summit, deux des machines les plus puissantes au monde, au sein de l’Oak Ridge Leadership Computing Facility. Le résultat est une méthode capable de classer la force de liaison entre les récepteurs végétaux et les ligands, même lorsque les structures protéiques de départ sont seulement des modèles approximatifs. Les prédictions ont été confirmées expérimentalement, révélant de nouveaux détails sur la manière dont ces interactions se produisent au niveau atomique. Cette avancée permet d’identifier rapidement les gènes végétaux contrôlant les meilleures interactions symbiotiques, accélérant ainsi l’ingénierie de microbiomes capables de faire croître les plantes plus vite, avec moins d’engrais et plus de biomasse, utile pour produire des biocarburants, des produits chimiques et des matériaux durables. « Cette méthode permet de prédire rapidement les « matchs moléculaires », libérant les chercheurs de longues phases d’essais expérimentaux coûteux », souligne Erica Prates, co-dirigeante du projet. Omar Demerdash ajoute que la force de liaison détermine les réponses cellulaires, y compris l’activation de gènes et des processus physiologiques essentiels. Dan Jacobson, biologiste systémique informatique à ORNL, insiste sur l’importance de modéliser la flexibilité réelle des protéines : « La plupart des outils donnent une image statique, mais la vie est dynamique. » Cette technologie ouvre la voie à de nouvelles applications, notamment dans la réutilisation de médicaments existants pour traiter des maladies humaines, tout en renforçant la compétitivité américaine dans le domaine de la biotechnologie, de l’énergie et de la sécurité alimentaire.