L'équipe de Baker présente une génération de protéines à l'échelle de tous les atomes à partir de texte

L'équipe de David Baker de l'Université de Washington et des chercheurs de l'Université nationale de Singapour (NUS) proposent un modèle qui génère la structure d'une protéine avec tous ses atomes à partir d'une description textuelle. Jusqu'ici, chaque type de propriété nécessitait son propre format de données d'entrée. Une seule interface en langage naturel les remplace désormais. Le média Jiqizhixin a rapporté ces travaux.

Où la conception de protéines de novo est-elle bloquée

Les modèles savent générer des structures protéiques plausibles depuis plusieurs années. Obtenir une protéine aux propriétés fixées à l'avance est plus difficile : une forme voulue, une liaison à une cible, une fonction donnée, une certaine stabilité. Les systèmes existants y parviennent au moyen de représentations d'entrée spécialisées. Pour une tâche, c'est un masque de motif fixe ; pour une autre, une carte des distances entre résidus ; pour une troisième, les coordonnées d'un ligand. Chaque nouveau type d'objectif exige un nouveau format et, en règle générale, un réentraînement.

Résultat : l'éventail des tâches dépend de ce que les auteurs du modèle ont eu le temps d'intégrer à l'architecture. C'est précisément cette limite que vise le nouveau travail.

Comment fonctionne l'approche

L'idée reprend la logique du text-to-image : l'utilisateur décrit en mots le résultat souhaité, et le modèle transforme cette description en structure. La génération se fait en représentation tous atomes. Le modèle ne travaille pas seulement sur le squelette de la chaîne, mais aussi sur les chaînes latérales, dont dépendent les contacts chimiques et la fonction de la protéine.

Un rappel de contexte aide à mesurer l'enjeu. Baker a reçu le prix Nobel de chimie 2024 pour la conception computationnelle de protéines, et son laboratoire est à l'origine de RFdiffusion, de ProteinMPNN et des extensions tous atomes de cette famille. Le pilotage par texte apparaît comme l'étape suivante dans la même direction : supprimer du pipeline la préparation manuelle des conditions.

Les principaux paramètres du travail, d'après le fragment accessible :

• Auteurs : le laboratoire de David Baker (Université de Washington), avec la NUS et d'autres participants.
• Type de modèle : modèle génératif de structure protéique conditionné par le texte.
• Représentation : tous atomes, c'est-à-dire que tous les atomes sont pris en compte, et pas seulement le squelette.
• Ce qu'il remplace : les représentations d'entrée distinctes pour chaque propriété cible.
• Ce qui n'est pas divulgué : le texte accessible ne fournit ni métriques, ni taille du modèle, ni données d'entraînement, ni résultats de validation en laboratoire.

Ce qu'il faudra vérifier après la publication

Pour l'instant, il s'agit d'une promesse de changement d'interface, et non d'un bond de qualité confirmé. Quatre questions importent pour les praticiens.

Premièrement : dans quelle mesure le modèle suit-il fidèlement les formulations, surtout lorsque la description comporte des contraintes quantitatives, par exemple la taille, le nombre de contacts ou le type de repliement. Le texte est souple, mais ambigu.

Deuxièmement : existe-t-il une validation expérimentale ? En conception de protéines, l'argument décisif n'est pas une jolie structure à l'écran, mais l'expression, le repliement et l'activité mesurée en laboratoire.

Troisièmement : le code et les poids sont-ils ouverts ? C'est ce qui détermine si la communauté pourra reproduire le résultat et intégrer le modèle à ses pipelines.

La quatrième question concerne la sécurité. Plus il est simple de décrire une protéine avec des mots, plus le seuil d'entrée s'abaisse et plus les filtres contre les fonctions dangereuses deviennent importants. Ce problème reste pour l'instant mal résolu dans l'industrie.

Si l'interface textuelle maintient la qualité des modèles spécialisés, les équipes de biotech sans expertise approfondie en ML pourront tester plus facilement leurs hypothèses. Attendons le texte complet de l'article et des tests indépendants.