La startup Skoltech surpasse l'IA lauréate du prix Nobel dans le dépistage virtuel des médicaments

L'algorithme Matcha est décrit dans la prépublication. Pour permettre une vérification indépendante des résultats et l'intégration de Matcha dans les processus de R&D existants, les chercheurs ont mis le manuscrit, le code et les poids des modèles à la disposition de tous.

Comment les médicaments agissent-ils au niveau moléculaire ?

Une maladie survient souvent lorsqu'une ou plusieurs protéines de l'organisme cessent de fonctionner correctement. Une protéine "cassée" ou qui fonctionne mal est appelée cible thérapeutique. Le médicament vise à modifier l'activité de sa cible en interagissant avec elle. En raison de leurs propriétés, les molécules médicamenteuses se lient sélectivement à une cavité de la protéine appelée poche de liaison. La poche de liaison est comme un trou de serrure. Si la molécule de médicament a la bonne forme et les bonnes propriétés chimiques, elle se glissera dans la poche comme une clé et modifiera l'activité de la protéine.

Qu'est-ce que l'ancrage moléculaire et comment est-il utilisé ?

Pour trouver ou concevoir la "clé", les chercheurs utilisent l'ancrage moléculaire, une technique informatique qui permet de faire correspondre des molécules à des protéines sans avoir recours à des expériences en laboratoire. Cette méthode évalue la capacité d'une molécule à s'insérer dans la poche d'une protéine en fonction de sa forme et de ses propriétés chimiques.

Le docking fait désormais partie intégrante du criblage virtuel, une méthode rapide et assistée par ordinateur qui permet de trier des millions de composés pour trouver des médicaments prometteurs. Le test virtuel de candidats potentiels avant de les amener au laboratoire peut permettre d'économiser des années de travail et des millions de dollars.

Le manque de structures 3D précises des protéines est un obstacle courant à l'arrimage. En 2020, DeepMind a présenté AlphaFold, un système d'IA capable de prédire les structures 3D des protéines avec une grande précision. Cette avancée a valu à ses concepteurs le prix Nobel de chimie en 2024, ouvrant ainsi une nouvelle ère pour la biologie informatique.

La rapidité est essentielle

Même avec des structures protéiques en 3D facilement accessibles, faire correspondre rapidement des millions de molécules à des protéines reste un défi informatique de taille. Matcha surpasse largement AlphaFold3, traitant un seul complexe protéine-ligand en 13 secondes contre 6,5 minutes pour AlphaFold3. Il faut à AlphaFold3 quatre mois et demi de calcul continu pour traiter une base de données de millions de composés, alors que Matcha peut accomplir cette tâche en moins de huit jours. Matcha est donc 30 fois plus rapide, tout en offrant une précision comparable ; en outre, Matcha offre des résultats plus fiables sur le plan physique. En outre, Matcha offre des résultats plus fiables sur le plan physique, ce qui rend le criblage virtuel fastidieux réalisable même pour les centres de recherche de taille moyenne.

Matcha vérifie avec précision l'emplacement de la molécule dans la protéine, étape par étape. Il détermine d'abord la position approximative de la molécule, puis ajuste sa rotation et ses torsions internes. Les configurations prédites sont minimisées à l'aide d'une méthode GNINA sensible à la physique, tandis que la vérification intégrée écarte automatiquement les configurations physiquement irréalistes. Les positions restantes sont classées en fonction de l'affinité GNINA prédite afin de sélectionner la position optimale. Matcha a démontré des prédictions très précises et physiquement fiables lors du traitement d'ensembles de données standard, tout en maintenant une vitesse record.

"Le développement de médicaments est un processus long, à forte intensité de capital et à haut risque. Un projet peut être arrêté à tout moment, même après avoir investi beaucoup de temps et d'efforts. Pourtant, les méthodes informatiques permettent d'optimiser particulièrement bien les premières étapes. Notre mission est de créer des outils efficaces basés sur l'IA qui permettraient d'établir un cadre informatique complet pour les premières étapes du développement d'un médicament. L'amélioration de l'efficacité de cette étape augmente les chances de succès et accélère le lancement de nouveaux médicaments sur le marché", a déclaré Marina Pak, cofondatrice et PDG de Ligand Pro et ancienne élève de Skoltech.

"En seulement trois ans, nous sommes passés de la proposition d'une idée et de la constitution d'une équipe à l'obtention de résultats qui changent la donne. Nous continuons à développer Matcha et à nous atteler à des tâches connexes, notamment la génération de molécules, la prédiction et l'optimisation de leurs propriétés. Notre prochaine étape consistera à valider notre solution de manière expérimentale dans de véritables pipelines de R&D, puis à procéder à une mise en œuvre industrielle", a déclaré Daria Frolova, responsable de l'apprentissage automatique chez Ligand Pro et doctorante à Skoltech en science et ingénierie des données et de l'informatique.