Grâce au machine learning des chercheurs transforment des vibrations en protéines

En collaboration avec des universitaires de l’Université nationale Cheng Kung de Taïwan, une équipe de chercheurs du Massachusetts Institute of Technology (MIT) s’est penchée sur le processus de création de nouvelles protéines. Leurs résultats ont été publiés le 17 mars 2020 dans la revue APL Bioengineering. En combinant le machine learning à un processus de sonification, les chercheurs ont réussi à transformer de simples vibrations en véritables protéines. Oui, ça semble curieux, et pourtant.

Des protéines fabriquées à partir de vibrations sonores ?

Si le titre de cet article paraît complètement fou, rassurez-vous, nous allons vous expliquer comment des chercheurs ont pu transformer des vibrations en partitions musicales, puis en réseaux neuronaux capables de concevoir des protéines utiles à la création de biomatériaux innovants. Actuellement, les méthodes classiques dont les scientifiques usent se basent sur la transformation des acides aminés pour créer de nouvelles protéines.

Des chercheurs du MIT ont décidé de miser sur une toute nouvelle méthode. La différence ? L’intelligence artificielle. Leur technique est basée sur le machine learning. Un modèle d’IA est capable de capter les vibrations des acides aminés. Les chercheurs ont réussi à coder ces vibrations pour les transformer en véritables sonorités musicales. Elles sont régulées par un volume, une vitesse, une mélodie, des accords, et un rythme, comme n’importe quelle musique. Cette méthode porte un nom : la sonification.

Pour Markus J. Buehler, l’un des auteurs principaux de cette étude cela ne fait aucun doute : « nous pensons que l’analyse du son peut réellement nous aider à mieux comprendre le monde matériel, la science. En plus de voir les protéines, il est donc désormais possible de les écouter ». Les sons générés permettent aux scientifiques de créer des réseaux de neurones. D’après les chercheurs : « cette nouvelle méthode ouvre la voie à la fabrication de nouveaux biomatériaux ». Les scientifiques sont optimistes quant au développement de cette nouvelle méthode.

L’importance de l’IA pour la science

Une découverte qui n’est pas sans nous rappeler les prouesses déjà exposées par DeepMind en 2018. Grâce à AlphaFold, un modèle d’IA, des scientifiques étaient capables de déterminer avec précision la structure 3D qu’a une protéine. Ils se servent des informations dévoilées par son séquençage génétique. Cette fois-ci, c’était le deep learning qui permettait cet exploit.

Les réseaux neuronaux générés par AlphaFold permettent de prédire les distances entre les paires d’acides aminés qui composent la protéine ainsi que les angles des liaisons chimiques qui les relient les uns aux autres. C’est l’ensemble de ces informations qui permettent d’estimer la précision de la structure protéique générée. On peut également citer les travaux d’IBM qui lie intelligence artificielle et chimie. En effet, RXN for Chemistry est une IA qui permet de prédire les réactions chimiques.