Une plateforme d’IA modélise la flexibilité des protéines pour accélérer la conception de médicaments

Les chercheurs de la faculté de médecine de l’Université de Virginie ont développé une nouvelle approche de découverte de médicaments pilotée par l’intelligence artificielle, qui modélise la dynamique des protéines lors de la liaison moléculaire. La plateforme, composée de YuelDesign, YuelPocket et YuelBond, utilise des techniques avancées d’IA pour mieux prédire la manière dont les médicaments interagissent avec les protéines dans l’organisme. Cette approche pourrait potentiellement améliorer les prédictions de liaison et réduire les taux élevés d’échec associés aux programmes conventionnels de développement de médicaments.

Au cœur de cette innovation se trouve YuelDesign, qui utilise des modèles de diffusion pour générer des molécules médicamenteuses précisément adaptées à leurs cibles protéiques. Contrairement aux méthodes conventionnelles, qui traitent les protéines comme des structures rigides, le système prend en compte la manière dont les protéines se plient naturellement et changent de forme au cours des interactions. En considérant les protéines comme flexibles plutôt que statiques, YuelDesign capture un phénomène biologique critique connu sous le nom d’ajustement induit, dans lequel les protéines changent de forme lorsqu’un médicament s’y lie.

Cela permet au système de concevoir simultanément à la fois le site de liaison de la protéine et la molécule médicamenteuse correspondante, en leur permettant de s’adapter l’un à l’autre au cours du développement. YuelPocket utilise des réseaux neuronaux de graphes pour identifier avec précision les endroits où les médicaments doivent se fixer aux protéines, y compris celles prédites à l’aide d’outils tels qu’AlphaFold. YuelBond garantit que les structures chimiques des molécules conçues sont exactes.

Les chercheurs ont indiqué avoir montré que, lors de la conception de molécules pour une protéine bien connue liée au cancer appelée CDK2, seul YuelDesign était capable de capturer les changements structurels critiques qui se produisent lorsqu’un médicament se lie. Ensemble, ces outils pourraient améliorer à la fois la conception de nouveaux médicaments et le repositionnement de médicaments existants.

Le développement de médicaments est un processus coûteux et incertain, dont les coûts sont souvent estimés à plus de plusieurs milliards de dollars et dont les taux d’échec lors des essais chez l’humain approchent 90 pour cent. L’un des principaux défis consiste à prédire comment les molécules médicamenteuses se lieront à leurs cibles, et même de faibles décalages peuvent rendre les traitements inefficaces ou entraîner des effets indésirables nocifs. Les chercheurs estiment que leur approche pourrait contribuer à réduire le coût du développement de médicaments, à améliorer les taux de succès et à raccourcir le temps nécessaire pour mettre de nouveaux traitements à la disposition des patients.

Les chercheurs ont déclaré avoir mis l’ensemble des outils gratuitement à la disposition de la communauté scientifique. Leur objectif ultime est de rendre la découverte de médicaments plus rapide, moins coûteuse et plus susceptible d’aboutir, afin que les traitements prometteurs puissent parvenir plus tôt aux patients.