La loi des cycles de taille et de construction · Série IA · 20

AlphaFold a-t-il résolu le problème du repliement des protéines ?

Han Qin · Environ 11 minutes · Publication

1. Dans un environnement donné

Une protéine est une longue chaîne. Elle est faite de vingt sortes d’acides aminés liés les uns aux autres, de quelques dizaines pour les chaînes courtes à plus de mille pour les longues. Beaucoup de chaînes prennent, dans un certain environnement, une forme en trois dimensions assez stable. Certaines parties n’ont pas de forme fixe. Les endroits où la chaîne peut se lier à une autre molécule ou couper une liaison dépendent de sa forme.

Le 11 décembre 1972, Christian Anfinsen prononce sa conférence Nobel à Stockholm. Il a passé des années à faire des expériences sur une enzyme : il défait sa forme, puis la remet dans une solution appropriée, et elle reprend toute seule sa forme première. Dans sa conférence, il appelle ce qu’il en tire « hypothèse thermodynamique ». La phrase essentielle dit que « la conformation native est déterminée par l’ensemble des interactions entre les atomes, et donc par la séquence d’acides aminés, dans un environnement donné ». Un peu avant, il a donné entre parenthèses une liste de conditions : le solvant, le pH, la force ionique, les ions métalliques et la température.

Ce qu’on a retenu : la séquence détermine la structure. « Dans un environnement donné » et la liste entre parenthèses ne se sont pas transmis.

2. Se replier avec élégance

En 1969, l’université de l’Illinois accueille un colloque sur une méthode de spectroscopie appliquée aux systèmes biologiques. Le biologiste moléculaire Cyrus Levinthal y présente un texte de trois pages intitulé « Comment se replier avec élégance ».

Il fait un calcul. Le nombre de formes qu’une chaîne protéique pourrait prendre est de l’ordre de dix à la puissance trois cents. Si elle devait essayer chaque forme à son tour, elle n’en finirait jamais. Pourtant, une protéine naturelle se replie en quelques secondes. Son explication : « Le repliement de la protéine est accéléré et guidé par la formation rapide d’interactions locales, qui déterminent ensuite la suite du repliement du polypeptide. » La chaîne n’essaie pas toutes les formes une à une. Quelques contacts se nouent d’abord à certains endroits, et le reste suit.

À la fin du colloque, il projette un petit film. Sur l’écran d’un oscilloscope piloté par ordinateur, une chaîne polypeptidique grandit petit à petit. Elle suit la voie la plus favorable sur le plan énergétique, en nouant un à un les contacts à former.

Dans ces trois pages, le mot « paradoxe » n’apparaît pas. En 1992, trois physiciens publient un article intitulé « Le paradoxe de Levinthal ». Quelqu’un explique à un colloque comment se replier avec élégance. Vingt-trois ans plus tard, on attache un paradoxe à son nom.

3. Sept structures

Pour connaître la forme d’une protéine, il faut la produire, la purifier, en faire pousser un cristal, l’exposer à un rayonnement et remonter peu à peu à la structure à partir des taches de diffraction. Plus tard sont venues la résonance magnétique nucléaire et la cryomicroscopie électronique. Une structure demande souvent des mois à plusieurs personnes, parfois des années. Rien que pour tirer manuellement la structure des mesures de résonance magnétique nucléaire, des spécialistes entraînés mettent généralement de quelques semaines à quelques mois.

En 1971, une réunion se tient à Cold Spring Harbor, sur Long Island, dans l’État de New York. Trente-cinq ans après, Louise Johnson se souvient que Max Perutz avait réuni les personnes qui avaient déjà en main des coordonnées atomiques de protéines. Elle en nomme plusieurs, dont elle-même. Ce qui intéressait Perutz, c’était de savoir si les coordonnées resteraient faciles à obtenir et si l’on pourrait les conserver durablement. Le 20 octobre, une revue de la famille Nature publie une brève annonce : une banque de données sur les protéines. La banque, installée au Laboratoire national de Brookhaven, reçoit sept structures à ses débuts.

Les laboratoires du monde entier y déposent ensuite leurs structures à mesure qu’ils les résolvent. En 1989, une commission de l’Union internationale de cristallographie demande que les coordonnées des structures cristallines de protéines publiées soient déposées dans la banque. En 1999, les Instituts nationaux de la santé des États-Unis exigent que les coordonnées des recherches qu’ils financent soient rendues publiques dès la parution de l’article. En 2012, la banque contient plus de quatre-vingt mille structures. Elle passe les cent mille en 2014 et les cent cinquante mille en 2019.

Pour chacune, il y a des mois, parfois des années, de travail à plusieurs.

4. Les joueurs

En 2008, des chercheurs de l’université de Washington lancent un jeu informatique, Foldit. À l’écran, les joueurs tirent sur une chaîne protéique, la plient et la tordent pour lui donner une forme moins coûteuse en énergie. Le jeu leur donne des points.

En septembre 2011, une revue de biologie structurale de la famille Nature publie un article intitulé « Structure cristalline d’une protéase rétrovirale monomérique résolue par des joueurs de jeux de repliement des protéines ». La protéine vient d’un virus du singe. Le cristal et les données de diffraction existent déjà, mais on ne parvient pas à en tirer la structure. Les chercheurs placent le problème dans le jeu et organisent un concours de trois semaines. Certains modèles soumis par les joueurs sont assez bons pour que les cristallographes les confrontent aux données de diffraction et trouvent une correspondance. Les cristallographes terminent et affinent ensuite la structure. Les titres de presse disent alors : en dix jours, des joueurs ont résolu une structure qui résistait depuis quinze ans aux scientifiques.

Les troisième et quatrième noms dans la liste des auteurs ne sont pas des noms de personnes. Ce sont des noms d’équipes de joueurs : Foldit Contenders Group et Foldit Void Crushers Group.

5. L’épreuve

En 1994, John Moult et trois collègues organisent la première évaluation de prédiction de structures protéiques, CASP. Quelque trente-cinq groupes soumettent cent trente-cinq prédictions. L’épreuve a ensuite lieu tous les deux ans.

Voici comment elle se déroule. Les organisateurs trouvent des laboratoires sur le point de résoudre des structures qu’ils n’ont pas encore publiées. Ils leur demandent de remettre les réponses à l’avance et les gardent secrètes. Ils ne transmettent aux équipes que la séquence des acides aminés de la protéine. Les équipes ont un délai pour rendre leur prédiction de la forme. Quand le laboratoire publie la structure, on la compare aux prédictions. C’est le laboratoire qui pose la question. Il lui a fallu des mois, parfois des années, pour obtenir la réponse. Il l’a en main et ne la donne pas encore.

L’une des mesures qui deviendra la plus utilisée est le test de distance globale. On superpose la forme prédite à la structure mesurée. On regarde quelle proportion des positions de la chaîne est à moins d’un, de deux, de quatre et de huit ångströms de la position expérimentale. On fait la moyenne des quatre proportions, sur cent. Un ångström vaut un dix-milliardième de mètre.

6. En un sens

En décembre 2018, à Cancún, au Mexique, a lieu la treizième édition de CASP. DeepMind, la société londonienne de l’épisode 17, y participe pour la première fois avec un programme appelé AlphaFold. Dans la catégorie la plus difficile, celle où aucune structure connue assez proche ne peut servir de référence, il prend la première place à 68,3 points. Le deuxième en a 48,2.

Mohammed AlQuraishi, qui travaille dans le milieu universitaire sur la prédiction de structures, écrit un billet à son retour. Il s’ouvre sur la question que quelqu’un lui a posée sur place : « Qu’est-ce qui vient de se passer ? » À ses yeux, il y a eu en une fois autant de progrès qu’en deux éditions de CASP. Il dit aussi avoir trouvé chez la plupart des chercheurs universitaires à qui il a parlé une sorte d’angoisse existentielle. Dans les universités, plusieurs dizaines d’équipes et plusieurs centaines de personnes travaillent sur la question. DeepMind est venu avec une dizaine de personnes.

La quatorzième édition, en 2020, se tient en ligne à cause de la pandémie. Les résultats sont annoncés le 30 novembre. Sur environ deux tiers des problèmes, AlphaFold obtient plus de 90 points, ce qui approche la précision même des mesures expérimentales. La médiane relevée par AlQuraishi passe de 68,5 à l’édition précédente à 92,4. Pour cette édition, AlphaFold a changé d’architecture.

Le même jour, un journaliste de Science cite Moult, cofondateur de CASP : « C’est un événement majeur. En un sens, le problème est résolu. » Le communiqué de CASP dit que, pour des protéines prises individuellement, le problème est résolu pour l’essentiel. Le blog de DeepMind titre : « AlphaFold, une solution à un grand défi de la biologie depuis cinquante ans ».

Deux jours plus tard, le biologiste structural britannique Stephen Curry publie un billet intitulé « Non, DeepMind n’a pas résolu le problème du repliement des protéines ». Il distingue la prédiction de la forme finale de l’explication du trajet que suit effectivement la chaîne pour s’y replier.

7. Deux cents millions

Le 15 juillet 2021, Nature publie « Prédiction très précise des structures protéiques avec AlphaFold ». L’article a trente-quatre signataires et le code est rendu public en même temps. Le même mois, le laboratoire de David Baker, à l’université de Washington, publie son propre programme, RoseTTAFold.

Le 22 juillet, DeepMind et l’Institut européen de bio-informatique mettent en ligne leur banque commune de structures prédites. Plus de trois cent cinquante mille au départ, dont environ vingt mille protéines humaines. En juillet 2022, il y en a plus de deux cents millions. Selon l’annonce de l’Institut, cela couvre presque « toutes les protéines répertoriées connues de la science ». « Répertoriées » veut dire que les séquences sont inscrites dans un catalogue. Dans la banque, on a plus de deux cents millions de formes calculées, pas mesurées.

Chaque position du modèle a un score de confiance. Au-dessus de 90, il est très élevé ; au-dessous de 50, très faible. D’après la documentation, un score très faible peut correspondre à une partie qui n’a pas de forme fixe. Le score ne suffit toutefois pas à l’établir.

Les recherches suivantes éprouvent la limite du programme, cas après cas. Certaines protéines n’ont pas qu’une forme : elles passent entre deux ou trois formes. Par défaut, le programme n’en donne qu’une. Certaines ne changent de forme que si elles s’attachent à une petite molécule. Le programme ne sait pas si celle-ci est présente. Quand un seul acide aminé est remplacé, les variations de forme que donne le programme correspondent à peine aux variations de stabilité mesurées en laboratoire.

En 2012, Ken Dill et Justin MacCallum publient dans Science un article de synthèse intitulé « Le problème du repliement des protéines, cinquante ans plus tard ». Cinquante ans à compter de 1962, quand Perutz et ses collègues ont reçu le prix Nobel pour les structures de protéines. Les auteurs séparent trois questions : le code physique du repliement, la façon dont une chaîne se replie pas à pas, et la possibilité de prédire par ordinateur une structure à partir de sa séquence. À la fin, ils écrivent qu’il n’est plus utile de parler de la résolution du problème du repliement des protéines comme d’un objectif unique.

Le titre de l’article d’AlphaFold emploie le dernier des trois termes : la prédiction de structure.

8. Le repliement

Le 9 octobre 2024, la moitié du prix Nobel de chimie revient à David Baker pour la conception informatique de protéines. L’autre moitié revient à Demis Hassabis et John Jumper, de DeepMind, pour la prédiction de structures protéiques. La veille, le prix de physique avait été attribué à Hopfield et à Hinton, dont il était question à l’épisode 14.

En mai de la même année paraît l’article sur AlphaFold 3. Le programme peut prédire l’agencement de protéines avec des acides nucléiques, de petites molécules et des ions. Le code ne paraît pas en même temps : seul un service en ligne est ouvert. Des chercheurs en biologie structurale et computationnelle écrivent une lettre ouverte à Nature : à leurs yeux, cela s’écarte des pratiques de leur domaine. En novembre, le code est publié pour les usages non commerciaux.

Plusieurs expressions ont été coupées en chemin. « Dans un environnement donné », chez Anfinsen. « En un sens », chez Moult. Les protéines prises individuellement, dans le communiqué de CASP. « Répertoriées », chez l’Institut. Et chez Dill et MacCallum, l’idée de ne plus parler d’un seul objectif. Une fois les coupes faites, il reste une phrase : un programme a résolu le problème du repliement des protéines, vieux de cinquante ans.

Il reste aussi un nom. Dans le texte du prix, il s’agit de prédiction de structure. Ce qui s’est répandu, c’est le repliement.

Ce qu’AlphaFold apprend, ce sont les structures de la banque. Depuis les sept de 1971, pendant un demi-siècle, un laboratoire après l’autre, une équipe après l’autre, des gens font pousser des cristaux, les exposent à un rayonnement, calculent à partir des taches, élucident les structures une à une et les déposent. Pour les tests de CASP, les laboratoires remettent sous le sceau du secret une structure qu’ils viennent de résoudre et n’ont pas encore publiée, pour que d’autres en prédisent la forme. Deux équipes de joueurs figurent parmi les auteurs de l’article sur Foldit.

L’environnement donné dont parle Anfinsen est en dehors de la séquence. Ces personnes sont elles aussi en dehors du programme. Cette série appelle « le reste » la part qui demeure toujours en dehors, calcul après calcul.

On construit encore des machines. Quant à savoir où passe la limite, chaque génération le dit à nouveau.