Un scientifique spécialisé dans les protéines, qui a concouru contre un programme informatique, affirme que l’apprentissage automatique fera progresser la biotechnologie

Ainsi, lorsque les scientifiques ont voulu mener une expérience opposant un être humain – doté d’une compréhension profonde et intuitive de la conception et de l’auto-assemblage des protéines – aux capacités prédictives d’un programme informatique artificiellement intelligent, Nanda, chercheur au Center for Advanced Biotechnologie et médecine (CABM) à Rutgers, était l’un de ceux en tête de liste.

Maintenant, les résultats pour voir qui – ou quoi – pourrait faire un meilleur travail pour prédire quelles séquences de protéines se combineraient le mieux sont sortis. Nanda, avec des chercheurs du Laboratoire national d’Argonne dans l’Illinois et des collègues de tout le pays, rapporte dans Chimie naturelle que la bataille était serrée mais décisive. Le concours opposant Nanda et plusieurs collègues à un programme d’intelligence artificielle (IA) a été remporté, très légèrement, par le programme informatique.

Les scientifiques s’intéressent vivement à l’auto-assemblage des protéines car ils pensent que mieux le comprendre pourrait les aider à concevoir une multitude de produits révolutionnaires à usage médical et industriel, tels que des tissus humains artificiels pour les plaies et des catalyseurs pour de nouveaux produits chimiques.

“Malgré notre vaste expertise, l’IA a fait aussi bien ou mieux sur plusieurs ensembles de données, montrant l’énorme potentiel de l’apprentissage automatique pour surmonter les préjugés humains”, a déclaré Nanda, professeur au Département de biochimie et de biologie moléculaire de Rutgers Robert Wood Johnson Medical. École.

Les protéines sont constituées d’un grand nombre d’acides aminés reliés bout à bout. Les chaînes se replient pour former des molécules tridimensionnelles aux formes complexes. La forme précise de chaque protéine, ainsi que les acides aminés qu’elle contient, détermine ce qu’elle fait. Certains chercheurs, comme Nanda, s’engagent dans la “conception de protéines”, créant des séquences qui produisent de nouvelles protéines. Récemment, Nanda et une équipe de chercheurs ont conçu une protéine synthétique qui détecte rapidement le VX, un agent neurotoxique dangereux, et pourrait ouvrir la voie à de nouveaux biocapteurs et traitements.

Pour des raisons largement inconnues, les protéines s’auto-assembleront avec d’autres protéines pour former des superstructures importantes en biologie. Parfois, les protéines semblent suivre une conception, comme lorsqu’elles s’auto-assemblent dans une enveloppe externe protectrice d’un virus, connue sous le nom de capside. Dans d’autres cas, ils s’auto-assemblent lorsque quelque chose ne va pas, formant des structures biologiques mortelles associées à des maladies aussi variées que la maladie d’Alzheimer et la drépanocytose.

“Comprendre l’auto-assemblage des protéines est fondamental pour faire des progrès dans de nombreux domaines, y compris la médecine et l’industrie”, a déclaré Nanda.

Dans l’expérience, Nanda et cinq autres collègues ont reçu une liste de protéines et ont été invités à prédire lesquelles étaient susceptibles de s’auto-assembler. Leurs prédictions ont été comparées à celles faites par le programme informatique.

Les experts humains, utilisant des règles empiriques basées sur leur observation du comportement des protéines dans les expériences, y compris les modèles de charges électriques et le degré d’aversion pour l’eau, ont choisi 11 protéines qu’ils prédisaient s’auto-assembleraient. Le programme informatique, basé sur un système avancé d’apprentissage automatique, a choisi neuf protéines.

Les humains avaient raison pour six des 11 protéines qu’ils ont choisies. Le programme informatique a obtenu un pourcentage plus élevé, avec six des neuf protéines recommandées capables de s’auto-assembler.

L’expérience a montré que les experts humains “favorisaient” certains acides aminés par rapport à d’autres, les conduisant parfois à des choix incorrects. En outre, le programme informatique a correctement pointé certaines protéines avec des qualités qui n’en faisaient pas des choix évidents pour l’auto-assemblage, ouvrant la porte à une enquête plus approfondie.

L’expérience a rendu Nanda, autrefois sceptique quant à l’apprentissage automatique pour les enquêtes sur l’assemblage de protéines, plus ouverte à la technique.

“Nous travaillons pour obtenir une compréhension fondamentale de la nature chimique des interactions qui conduisent à l’auto-assemblage, donc je craignais que l’utilisation de ces programmes n’empêche des informations importantes”, a déclaré Nanda. “Mais ce que je commence vraiment à comprendre, c’est que l’apprentissage automatique n’est qu’un outil parmi d’autres, comme un autre.”

Parmi les autres chercheurs sur l’article figuraient Rohit Batra, Henry Chan, Srilok Srinivasan, Harry Fry et Subramanian Sankaranarayanan, tous du Laboratoire national d’Argonne ; Troy Loeffler, Laboratoire national des accélérateurs du SLAC ; Honggang Cui, Université Johns Hopkins; Ivan Korendovych, Université de Syracuse; Liam Palmer, Université du Nord-Ouest ; et Lee Solomon, Université George Mason.