Les protéines, des macromolécules biologiques présentes dans toutes les cellules vivantes, sont formées d’une ou plusieurs chaînes constituées de séquences d’acides aminés. La plupart d’entre elles ont une structure tridimensionnelle complexe qui conditionne leurs propriétés. Elles catalysent des réactions chimiques, renforcent les tissus du corps humain (c’est le rôle du collagène), jouent un rôle important dans le fonctionnement du système immunitaire ; la myoglobine, une protéine du muscle cardiaque, stocke l’oxygène, etc. Elles peuvent aussi enrober la molécule d’un médicament qui doit pénétrer dans une cellule humaine ; des familles de nouvelles protéines sont donc appelées à jouer un rôle croissant en pharmacologie, pour des usages thérapeutiques, pour produire des biomatériaux, etc. Les biologistes étaient d’ailleurs convaincus, de longue date, que la détermination de la structure des protéines était une étape préliminaire et incontournable dans les recherches en génétique et en pharmacologie.
En 2021, une véritable rupture technique est intervenue pour leur prêter main forte. En effet, l’intelligence artificielle utilisant la technique de l’apprentissage profond a permis de « prévoir » très rapidement la structure tridimensionnelle de molécules, notamment de protéines, à partir de la connaissance primaire de séquences de résidus d’acides aminés qui la constituent (donc un nombre limité de ces séquences) [1].
Cette méthode a été mise au point par la société DeepMind, une filiale de Google, connue pour son al
