Comprendre comment les protéines interagissent les unes avec les autres est crucial pour développer de nouveaux traitements et comprendre les maladies. Grâce aux progrès informatiques, une équipe de chercheurs dirigée par le professeur adjoint de chimie Alberto Perez a développé un algorithme pour identifier ces interactions moléculaires.
L’équipe de recherche de Perez comprenait deux étudiants diplômés de l’UF, Arup Mondal et Bhumika Singh, ainsi qu’une poignée de chercheurs de l’Université Rutgers et de l’Institut polytechnique Rensselaer. L’équipe publié leurs découvertes dans Angewandte Chemie International Edition.
Appelé AF-CBA Pipeline, cet outil innovant offre une précision et une rapidité inégalées pour identifier les liants peptidiques les plus puissants d’une protéine spécifique. Pour ce faire, il utilise l’IA pour simuler des interactions moléculaires, en triant des milliers de molécules candidates pour identifier la molécule qui interagit le mieux avec la protéine d’intérêt.
L’approche basée sur l’IA permet au pipeline d’effectuer ces actions en une fraction du temps qu’il faudrait aux humains ou aux approches traditionnelles basées sur la physique pour accomplir la même tâche.
« Pensez-y comme à une épicerie », a expliqué Perez. « Quand on veut acheter les meilleurs fruits possibles, il faut comparer les tailles et les aspects. Il y a trop de fruits pour les essayer tous bien sûr, donc il faut en comparer quelques-uns avant de faire une sélection. Cette méthode d’IA, cependant, ne peut pas seulement essayez-les tous, mais pouvez également choisir de manière fiable le meilleur.
Généralement, les protéines d’intérêt sont celles qui causent le plus de dommages à notre corps lorsqu’elles se comportent mal. En trouvant quelles molécules interagissent avec ces protéines problématiques, le pipeline ouvre la voie à des thérapies ciblées pour lutter contre des maladies telles que l’inflammation, la dérégulation immunitaire et le cancer.
« Connaître la structure du liant peptidique le plus puissant nous aide à son tour dans la conception rationnelle de nouveaux médicaments », a déclaré Perez.
Le caractère révolutionnaire du pipeline est renforcé par son fondement sur une technologie préexistante : un programme appelé AlphaFold. Développé par Google Deepmind, AlphaFold utilise l’apprentissage profond pour prédire les structures des protéines. Ce recours à une technologie familière sera une aubaine pour l’accessibilité du pipeline aux chercheurs et contribuera à garantir son adoption future.
À l’avenir, Perez et son équipe visent à élargir leur pipeline pour acquérir de nouvelles connaissances biologiques et inhiber les agents pathogènes. Ils ont deux virus en ligne de mire : le virus de la leucémie murine et le virus du sarcome de Kaposi. Les deux virus peuvent causer de graves problèmes de santé, notamment des tumeurs, et interagir avec des protéines jusqu’à présent inconnues.
« Nous voulons concevoir de nouvelles bibliothèques de peptides », a déclaré Perez. « AF-CBA nous permettra d’identifier les peptides conçus qui se lient plus fortement que les peptides viraux. »
Plus d’information:
Arup Mondal et al, Un pipeline informatique pour une priorisation précise des candidats à la liaison protéine-protéine dans les bibliothèques de protéines à haut débit, Angewandte Chemie International Edition (2024). DOI: 10.1002/anie.202405767