De l'in-silico au laboratoire humide : évaluation des performances de l'IA en conception de protéines
Anthropic a publié un nouveau jeu de données baptisé claude-protein-binder-design, qui rassemble 1 440 mini-protéines conçues par intelligence artificielle et destinées à se lier à 16 cibles biologiques différentes. La particularité de cette publication, hébergée sur Hugging Face sous forme de tables Parquet, est qu'elle ne se limite pas à des prédictions informatiques : chaque design a également été soumis à des tests réels en laboratoire, réalisés par deux prestataires indépendants, Adaptyv et Twist Bioscience, dont les verdicts respectifs (liant ou non liant) sont consignés dans le jeu de données sous les colonnes adaptyvbinding et twistbinding. Un tutoriel associé, construit en Python avec des bibliothèques comme pandas, scikit-learn et scipy, exploite ces données pour comparer les prédictions des modèles de structure aux résultats expérimentaux effectifs, et entraîne notamment un classifieur sensible à la cible visée afin de tester la capacité de ces signaux à anticiper un succès en paillasse.
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'enjeu de cette démarche dépasse la simple curiosité académique : elle s'attaque directement au fossé qui sépare la conception de protéines assistée par IA de sa validation expérimentale, un goulot d'étranglement bien connu de la biologie de synthèse. En mesurant si les classements produits par les modèles prédictifs se traduisent réellement en taux de succès au laboratoire, ce travail permet d'évaluer si l'on peut réduire les budgets de criblage expérimental, souvent coûteux et lents, en se fiant davantage aux prédictions informatiques pour prioriser les candidats à tester. Le fait de croiser deux prestataires de tests indépendants permet aussi de quantifier la part de désaccord qui provient des essais eux-mêmes, une source de bruit souvent négligée mais déterminante pour juger de la fiabilité réelle des outils de conception protéique, un enjeu qui concerne directement les laboratoires pharmaceutiques et les start-ups de biotechnologie qui misent sur l'IA pour accélérer la découverte de thérapies.
Ce jeu de données s'inscrit dans une tendance plus large de la recherche en IA appliquée à la biologie, où des outils de génération de structures protéiques sont de plus en plus utilisés pour concevoir de nouvelles molécules capables de se lier à des cibles thérapeutiques, à l'image des avancées portées ces dernières années par des modèles spécialisés dans la prédiction de repliement des protéines. La difficulté centrale reste de valider ces conceptions in silico par des expériences réelles, un processus qui demande du temps et des ressources. En rendant public à la fois les prédictions et les résultats de laboratoire pour un même ensemble de designs, Anthropic offre à la communauté scientifique un benchmark ouvert pour évaluer et améliorer les méthodes de conception de liants protéiques, une étape qui pourrait orienter la manière dont les futurs modèles de design biologique seront entraînés et évalués avant leur mise à l'épreuve en conditions réelles.
Ce benchmark ouvert pourrait indirectement bénéficier aux laboratoires pharmaceutiques et start-ups de biotechnologie européens travaillant sur la conception de protéines assistée par IA.