Discussion :

[Jade Emy]

AlphaFold 3, un nouveau modèle d'IA développé par Google DeepMind et Isomorphic Labs, prédit la structure et les interactions des molécules de la vie.

Voici la présentation d'AlphaFold 3, un nouveau modèle d'IA développé par Google DeepMind et Isomorphic Labs. En prédisant avec précision la structure des protéines, de l'ADN, de l'ARN, des ligands et plus encore, ainsi que leurs interactions, Google espére qu'AlphaFold 3 transformera notre compréhension du monde biologique et la découverte de médicaments.

À l'intérieur de chaque cellule végétale, animale et humaine se trouvent des milliards de machines moléculaires. Elles sont constituées de protéines, d'ADN et d'autres molécules, mais aucune d'entre elles ne fonctionne seule. Ce n'est qu'en voyant comment elles interagissent ensemble, à travers des millions de types de combinaisons, qu'on peut commencer à comprendre véritablement les processus de la vie.

Dans un article publié dans Nature, Google présente AlphaFold 3, un modèle d'IA capable de prédire la structure et les interactions de toutes les molécules de la vie avec précision. Pour les interactions des protéines avec d'autres types de molécules, ils ont constaté une amélioration d'au moins 50 % par rapport aux méthodes de prédiction existantes, et pour certaines catégories d'interactions importantes, ils ont doublé la précision de la prédiction.

Google commente l'annonce en déclarant :

Nous espérons qu'AlphaFold 3 contribuera à transformer notre compréhension du monde biologique et la découverte de médicaments. Les scientifiques peuvent accéder gratuitement à la majorité de ses capacités grâce à notre nouveau serveur AlphaFold, un outil de recherche facile à utiliser.

Afin d'exploiter le potentiel d'AlphaFold 3 pour la conception de médicaments, Isomorphic Labs collabore déjà avec des entreprises pharmaceutiques pour l'appliquer à des défis réels de conception de médicaments et, en fin de compte, pour développer de nouveaux traitements qui changeront la vie des patients.

Notre nouveau modèle s'appuie sur les fondements d'AlphaFold 2, qui a réalisé en 2020 une percée fondamentale dans la prédiction de la structure des protéines. Jusqu'à présent, des millions de chercheurs du monde entier ont utilisé AlphaFold 2 pour faire des découvertes dans des domaines tels que les vaccins contre la malaria, les traitements contre le cancer et la conception d'enzymes. AlphaFold a été cité plus de 20 000 fois et son impact scientifique a été reconnu par de nombreux prix, dont le plus récent est le Breakthrough Prize in Life Sciences.

AlphaFold 3 nous permet d'aller au-delà des protéines et de couvrir un large éventail de biomolécules. Ce bond en avant pourrait débloquer une science plus transformatrice, allant du développement de matériaux biorenouvelables et de cultures plus résistantes à l'accélération de la conception de médicaments et de la recherche en génomique.

Comment AlphaFold 3 révèle les molécules de la vie

À partir d'une liste de molécules, AlphaFold 3 génère leur structure 3D commune, révélant ainsi comment elles s'assemblent. Il modélise les grandes biomolécules telles que les protéines, l'ADN et l'ARN, ainsi que les petites molécules, également connues sous le nom de ligands - une catégorie qui englobe de nombreux médicaments. En outre, AlphaFold 3 peut modéliser les modifications chimiques de ces molécules qui contrôlent le bon fonctionnement des cellules et qui, lorsqu'elles sont perturbées, peuvent entraîner des maladies.

Les capacités d'AlphaFold 3 proviennent de son architecture et de sa formation de nouvelle génération, qui couvre désormais toutes les molécules de la vie. Au cœur du modèle se trouve une version améliorée du module Evoformer, une architecture d'apprentissage profond qui a permis à AlphaFold 2 d'atteindre ses performances. Après avoir traité les données d'entrée, AlphaFold 3 assemble ses prédictions à l'aide d'un réseau de diffusion, semblable à ceux que l'on trouve dans les générateurs d'images d'IA. Le processus de diffusion commence par un nuage d'atomes et, après de nombreuses étapes, converge vers la structure moléculaire finale la plus précise.

Selon Google, les prédictions d'AlphaFold 3 concernant les interactions moléculaires dépasseraient la précision de tous les systèmes existants. En tant que modèle qui calcule des complexes moléculaires entiers de manière holistique, il est capable d'unifier les connaissances scientifiques.

Prédiction de la liaison entre une protéine et l'ADN

À la pointe de la découverte de médicaments chez Isomorphic Labs

AlphaFold 3 permet de concevoir des médicaments en prédisant les molécules couramment utilisées dans les médicaments, telles que les ligands et les anticorps, qui se lient aux protéines pour modifier leur interaction dans la santé et la maladie.

AlphaFold 3 atteint une bonne précision dans la prédiction des interactions similaires à celles des médicaments, y compris la liaison des protéines avec les ligands et des anticorps avec leurs protéines cibles. Selon Google, AlphaFold 3 est 50 % plus précis que les méthodes traditionnelles sur le benchmark PoseBusters sans avoir besoin d'entrer la moindre information structurelle, ce qui fait d'AlphaFold 3 le premier système d'IA à surpasser les outils basés sur la physique pour la prédiction de la structure biomoléculaire. La capacité à prédire la liaison anticorps-protéine est essentielle pour comprendre certains aspects de la réponse immunitaire humaine et pour concevoir de nouveaux anticorps - une classe thérapeutique en plein essor.

Google :
En utilisant AlphaFold 3 en combinaison avec une suite complémentaire de modèles d'IA internes, Isomorphic Labs travaille sur la conception de médicaments pour des projets internes ainsi qu'avec des partenaires pharmaceutiques. Isomorphic Labs utilise AlphaFold 3 pour accélérer et améliorer le succès de la conception de médicaments - en aidant à comprendre comment approcher de nouvelles cibles de maladies, et en développant de nouvelles façons de poursuivre des cibles existantes qui étaient auparavant hors de portée.

Prédiction d'une Enzyme

Serveur AlphaFold : Un outil de recherche gratuit et facile à utiliser

Le serveur AlphaFold permet de prédire la façon dont les protéines interagissent avec d'autres protéines - un processus cellulaire fondamental pour la vie et la santé.

Le nouveau serveur AlphaFold de Google DeepMind est un outil précis pour prédire comment les protéines interagissent avec d'autres molécules dans la cellule. Il s'agit d'une plateforme gratuite que les scientifiques du monde entier peuvent utiliser pour des recherches non commerciales. En quelques clics, les biologistes peuvent exploiter la puissance d'AlphaFold 3 pour modéliser des structures composées de protéines, d'ADN, d'ARN et d'une sélection de ligands, d'ions et de modifications chimiques.

AlphaFold Server aide les scientifiques à formuler de nouvelles hypothèses à tester en laboratoire, ce qui accélère les flux de travail et favorise l'innovation. Google veut que sa plateforme offre aux chercheurs un moyen accessible de générer des prédictions, indépendamment de leur accès aux ressources informatiques ou de leur expertise en matière d'apprentissage automatique.

La prédiction expérimentale de la structure des protéines peut prendre la durée d'un doctorat et coûter des centaines de milliers de dollars. Selon Google, le modèle précédent, AlphaFold 2, a été utilisé pour prédire des centaines de millions de structures, ce qui aurait pris des centaines de millions d'années-chercheurs au rythme actuel de la biologie structurale expérimentale.

Céline Bouchoux de l'Institut Francis Crick déclare :

Avec AlphaFold Server, il ne s'agit plus seulement de prédire des structures, mais d'en donner généreusement l'accès : permettre aux chercheurs de poser des questions audacieuses et d'accélérer les découvertes.

Partager la puissance d'AlphaFold 3 de manière responsable

Google partage son point de vue sur le développement résponsable d'AlphaFold :

Avec chaque version d'AlphaFold, nous avons cherché à comprendre l'impact général de la technologie, en travaillant avec la communauté de la recherche et de la sécurité. Nous adoptons une approche scientifique et avons mené des évaluations approfondies afin de limiter les risques potentiels et de partager les avantages étendus pour la biologie et l'humanité.

En nous appuyant sur les consultations externes que nous avons menées pour AlphaFold 2, nous nous sommes maintenant engagés avec plus de 50 experts du domaine, en plus de tiers spécialisés, dans les domaines de la biosécurité, de la recherche et de l'industrie, afin de comprendre les capacités des modèles AlphaFold successifs et tout risque potentiel. Nous avons également participé à des forums et à des discussions au sein de la communauté avant le lancement d'AlphaFold 3.

AlphaFold Server reflète notre engagement continu à partager les avantages d'AlphaFold, y compris notre base de données gratuite de 200 millions de structures de protéines. Nous allons également développer notre cours en ligne gratuit sur AlphaFold avec EMBL-EBI et des partenariats avec des organisations du Sud afin de fournir aux scientifiques les outils dont ils ont besoin pour accélérer l'adoption et la recherche, y compris dans des domaines sous-financés tels que les maladies négligées et la sécurité alimentaire. Nous continuerons à travailler avec la communauté scientifique et les décideurs politiques pour développer et déployer les technologies de l'IA de manière responsable.

Ouvrir l'avenir de la biologie cellulaire alimentée par l'IA

AlphaFold 3 fait entrer le monde biologique dans la haute définition. Il permet aux scientifiques de voir les systèmes cellulaires dans toute leur complexité, à travers les structures, les interactions et les modifications. Cette nouvelle fenêtre sur les molécules de la vie révèle comment elles sont toutes connectées et aide à comprendre comment ces connexions affectent les fonctions biologiques - telles que l'action des médicaments, la production d'hormones et le processus de réparation de l'ADN qui préserve la santé.

L'impact d'AlphaFold 3 et du serveur AlphaFold gratuit se concrétisera par la façon dont ils permettront aux scientifiques d'accélérer la découverte de questions ouvertes en biologie et de nouveaux axes de recherche. L'avenir nous dira le potentiel d'AlphaFold 3 et ses résultats.

Source : Google

Et vous ?

Quel est votre avis sur cette annonce ?
Pensez-vous qu'AlphaFold 3 révolutionnera le domaine de la biologie et de la santé ?

Voir aussi :

L'IA AlphaFold résout un problème scientifique vieux de 50 ans grâce à une "avancée stupéfiante", qui pourrait changer radicalement la manière dont l'organisme humain lutte contre les maladies

AMIE, l'IA de Google, serait plus à l'aise au chevet des patients que les médecins humains et pose de meilleurs diagnostics, offrant une amélioration potentielle des soins médicaux

Google veut déployer "l'IA la plus avancée, la plus sûre et la plus responsable au monde" en 2024, mais le chemin à parcourir est encore long et pourrait comporter des défis majeurs

[Mathis Lucas]

Demis Hassabis, PDG de Google DeepMind, pense que la première chose que l'IA pourrait faire pour l'humanité serait de guérir des centaines de maladies
en accélérant le processus de découverte de médicaments

Demis Hassabis, PDG de Google Deepmind et d'Isomorphic Labs, a déclaré que l'IA pourrait devenir le principal allié de l'humanité dans la lutte contre les maladies de tout type. Il pense notamment que l'IA pourrait aider à guérir des centaines de maladies graves en accélérant le processus de découverte des médicaments et en le rendant plus efficace. Il est convaincu qu'il s'agit du meilleur cas d'utilisation de la technologie. Ses déclarations interviennent après que Google DeepMind a dévoilé AlphaFold 3, un modèle d'IA qui vise à accélérer la recherche en biologie et révolutionner la découverte de médicaments en réduisant les délais et les coûts

Demis Hassabis est entrepreneur et chercheur britannique en IA. Il est aussi reconnu comme neuroscientifique, ancien développeur de jeux vidéo et joueur d'échecs. En 2010, il a cofondé DeepMind, un laboratoire d'IA racheté par Google en 2014 et rebaptisé Google DeepMind l'année dernière. Hassabis est PDG de Google DeepMind et a créé en 2021 Isomorphic Labs, une spin-off de son premier laboratoire d'IA, qu'il dirige également. Il décrit Isomorphic comme une startup de biologie numérique qui vise à accélérer la recherche en biologie et à redéfinir la découverte de médicaments grâce à la puissance de l'IA.

Demis Hassabis thinks the number one thing AI could do for humanity is to cure hundreds of diseases. pic.twitter.com/ivYPIiWgl2

— Quantix (@ZReacc) May 9, 2024

Selon Hassabis, la première chose que l'IA pourrait faire pour l'humanité serait de l'aider à guérir les maladies grâce à la découverte de nouveaux médicaments. Lors d'une récente interview avec Bloomberg, il a déclaré que l'IA a ce potentiel et qu'elle sera incroyablement bénéfique pour la société et l'humanité. Il croit également que l'IA a le potentiel d'accélérer le processus de découverte de nouveaux médicaments, ce qui pourrait créer une valeur commerciale énorme.

Si vous me demandez ce que l'IA pourrait faire pour l'humanité, ce serait de guérir des centaines de maladies graves. Je ne peux pas imaginer un meilleur cas d'utilisation de l'IA, et c'est en partie ce qui motive Isomorphic et AlphaFold et tout le travail que nous faisons dans les sciences pour faire progresser la société et lui apporter des avantages considérables.

Cependant, je pense aussi que si l'on pouvait révolutionner le processus de découverte des médicaments - le rendre 10 fois plus rapide, plus efficace et plus susceptible de passer par les essais cliniques parce que l'on peut mieux prédire les propriétés -, cela aurait également une valeur commerciale énorme.

J'espère donc faire les deux avec Isomorphic, construire une entreprise de plusieurs centaines de milliards de dollars. Je pense qu'elle a ce potentiel et qu'elle sera incroyablement bénéfique pour la société et l'humanité.

Selon les experts, le premier et principal avantage de l'IA dans la découverte de nouveaux médicaments est sa capacité à accélérer le processus de sélection pour les chercheurs. L'IA peut scanner et analyser de grandes quantités de données beaucoup plus rapidement que l'évaluation manuelle par des humains, ce qui permet d'identifier des médicaments potentiels en une fraction du temps nécessaire aux méthodes traditionnelles. Cette accélération du processus de découverte de médicaments pourrait potentiellement sauver d'innombrables vies en mettant plus rapidement sur le marché des traitements efficaces.

À titre d'exemple, le médicament contre les troubles obsessionnels compulsifs conçu par l'IA d'Exscientia, en collaboration avec la société japonaise Sumitomo Dainippon Pharma, a atteint le stade de l'essai clinique en seulement 12 mois, contre une période moyenne de 4 à 5 ans avec les méthodes traditionnelles. Grâce à ce délai plus court, les médicaments conçus par l'IA offrent également la possibilité de réduire le coût de la découverte de médicaments, car le processus traditionnel de découverte de médicaments implique généralement des essais cliniques longs et coûteux pour évaluer les composés prometteurs.

L'IA a le potentiel d'éliminer la nécessité de certains de ces essais préliminaires en prédisant le comportement d'un médicament sur la base des données existantes. Toutefois, aussi prometteurs que puissent paraître les médicaments conçus par l'IA, ils présentent une série d'inconvénients, notamment :

• manque de transparence : les algorithmes d'IA, en particulier ceux qui utilisent des techniques avancées comme l'apprentissage profond, souffrent souvent du problème de la "boîte noire". Il est difficile de comprendre pourquoi ils prennent les décisions qu'ils prennent. Ce manque de transparence peut être un obstacle à l'acceptation dans la communauté médicale, où il est crucial de comprendre la logique qui sous-tend le choix d'un médicament ;
• une dépendance excessive à l'égard des données : les systèmes d'IA ne valent que ce que valent les données sur lesquelles ils sont formés. Par conséquent, si les données sont imparfaites ou biaisées, l'IA pourrait faire des prédictions erronées. En outre, l'IA peut négliger des médicaments candidats potentiellement efficaces simplement parce qu'ils ne correspondent pas aux schémas des données sur lesquelles elle a été entraînée ;
• préoccupations éthiques et réglementaires : l'utilisation de l'IA dans la découverte de médicaments soulève de nouvelles questions éthiques et réglementaires, telles que la normalisation du processus de découverte de l'IA ou l'examen de la manière dont ces prédictions peuvent être validées en termes d'innocuité et d'efficacité. En outre, compte tenu de la grande quantité de données nécessaires pour entraîner ces algorithmes, des mesures suffisantes seraient nécessaires pour protéger la confidentialité des données des patients.

Google DeepMind et Isomorphic ont publié récemment AlphaFold 3, un modèle d'IA qui pourrait permettre d'identifier des traitements pour diverses maladies. Il serait capable de prédire le comportement des protéines lorsqu'elles rencontrent d'autres molécules et des ions. Entraîné sur une base de données mondiale de structures moléculaires en 3D, il pourrait aider les scientifiques à approfondir leur compréhension des maladies et à trouver des traitements pour des affections comme le cancer. « Nous pensons que cette nouvelle technologie a le potentiel d'améliorer la qualité de la vie des gens », affirme Hassabis.

En 2020, Google DeepMind a réalisé une avancée significative en biologie moléculaire en utilisant une ancienne version d'AlphaFold pour prédire avec succès le comportement de protéines microscopiques. Avec AlphaFold 3, les chercheurs de Google DeepMind et d'Isomorphic ont cartographié le comportement de toutes les molécules de la vie, y compris l'ADN humain. Google DeepMind a déclaré que les résultats de l'étude, publiés mercredi dans la revue scientifique Nature, permettraient de réduire le temps et l'argent nécessaires à la mise au point de traitements susceptibles de changer la vie des patients.

Lors d'une conférence de presse mardi, Hassabis a déclaré : « grâce à ces nouvelles capacités, nous pouvons concevoir une molécule qui se liera à un endroit spécifique d'une protéine, et nous pouvons prédire la force de cette liaison. C'est une étape cruciale si l'on veut concevoir des médicaments et des composés qui aideront à lutter contre la maladie ». L'entreprise a également annoncé le lancement du "serveur AlphaFold", un outil en ligne gratuit que les scientifiques peuvent utiliser pour tester leurs hypothèses avant d'effectuer des essais en conditions réelles.

En conclusion, si les médicaments conçus par l'IA représentent une nouvelle frontière passionnante dans la découverte de médicaments, les méthodes traditionnelles continuent de jouer un rôle essentiel. Chaque approche a ses avantages et ses inconvénients, et la clé du processus de découverte de médicaments le plus efficace et le plus efficient pourrait résider dans une combinaison équilibrée des deux. À mesure que l'IA évolue et devient plus sophistiquée, il sera intéressant de voir comment le paysage de la découverte de médicaments se transformera à l'avenir.

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous des déclarations du PDG de Google DeepMind ? Sont-elles réalistes ?
Pensez-vous que l'IA a le potentiel d'accélérer le processus de la découverte de médicaments ?
Quels pourraient être les impacts de l'introduction de l'IA dans le processus de découverte de médicaments ?
L'IA peut-elle surmonter les limites susmentionnées et révolutionner la recherche en biologie et la découverte de médicaments ?

Voir aussi

AlphaFold 3, un nouveau modèle d'IA développé par Google DeepMind et Isomorphic Labs, prédit la structure et les interactions des molécules de la vie

L'IA AlphaFold résout un problème scientifique vieux de 50 ans grâce à une "avancée stupéfiante" qui pourrait changer radicalement la manière dont l'organisme humain lutte contre les maladies

AMIE, l'IA de Google, serait plus à l'aise au chevet des patients que les médecins humains et pose de meilleurs diagnostics, offrant une amélioration potentielle des soins médicaux

[OrthodoxWindows]

Ce battage médiatique autour de l'IA par les entreprises premières intéressés devient lassant...

[Pyramidev]

Concernant les nouveaux médicaments, qu'ils viennent de l'IA ou non, quand on s'interrogera sur la balance bénéfices / risques, il faudra faire attention à bien s'informer, car on n'aura pas le droit de critiquer ces médicaments en France.