L'IA AlphaFold aide à repenser des protéines d'édition génique plus sûres

L'édition génique a un problème de précision, et des chercheurs se tournent vers l'un des outils les plus célébrés de la biologie moderne pour tenter de le résoudre : AlphaFold, le système d'intelligence artificielle conçu par Google DeepMind pour prédire la structure tridimensionnelle des protéines. Dans un nouveau projet rapporté par Ars Technica, des scientifiques utilisent AlphaFold non pas pour concevoir une nouvelle protéine à partir de zéro, mais pour observer de l'intérieur les protéines déjà utilisées en édition génique et identifier précisément quelles parties de leur structure provoquent des coupures d'ADN au mauvais endroit.

Pour comprendre pourquoi cela compte, il faut savoir ce que fait réellement AlphaFold. Les protéines sont de longues chaînes d'acides aminés qui se replient en formes tridimensionnelles complexes, et cette forme détermine presque tout de leur fonctionnement. Pendant des décennies, déterminer expérimentalement la structure repliée d'une protéine, par des techniques comme la cristallographie aux rayons X, pouvait exiger des années de travail en laboratoire pour une seule protéine. AlphaFold a changé cela presque du jour au lendemain, prédisant en une fraction du temps comment une séquence d'acides aminés va se replier, avec une précision comparable aux méthodes expérimentales. Sa présentation en 2020 a été qualifiée d'une des applications les plus significatives de l'IA à un problème scientifique difficile, et ses concepteurs ont depuis reçu un prix Nobel pour ces travaux.

Les outils d'édition génique tels que les protéines associées à CRISPR utilisent une molécule guide pour repérer une séquence cible dans un génome, puis coupent l'ADN à cet endroit, permettant à la cellule de désactiver, corriger ou insérer du matériel génétique. En principe, ce système est remarquablement précis. En pratique, ces protéines peuvent parfois couper l'ADN à des endroits qui ressemblent à la cible visée sans l'être tout à fait — ce que les chercheurs appellent des effets « hors cible ». Une coupure involontaire dans le mauvais gène n'est pas qu'un simple raté technique ; selon l'endroit où elle se produit, elle peut perturber un gène sans rapport avec l'affection traitée, avec des conséquences difficiles à anticiper.

Réduire l'activité hors cible est un objectif central de la recherche en édition génique depuis les débuts du domaine, et les scientifiques ont essayé de nombreuses approches : modifier la molécule guide, ajuster les dosages, ou concevoir des variantes de la protéine d'édition par tâtonnement. Ce qu'AlphaFold apporte, c'est une façon d'aborder le problème sous l'angle structurel : en prédisant comment différentes versions de la protéine se replient et comment de petits changements de séquence altèrent leur forme, les chercheurs peuvent localiser les régions responsables de sa tendance à couper sur des sites presque identiques à la cible.

Cette vision structurelle compte parce qu'elle transforme un processus d'ingénierie largement fondé sur le tâtonnement en quelque chose qui se rapproche d'une reconception ciblée. Plutôt que de tester des milliers de variantes de protéines en laboratoire en espérant que certaines se révèlent plus précises par hasard, les chercheurs peuvent utiliser les prédictions structurelles d'AlphaFold pour formuler une hypothèse sur les régions à modifier, puis tester expérimentalement un ensemble bien plus restreint de candidats prometteurs. Cela ne remplace pas la validation en laboratoire — une structure prédite doit encore être confirmée par des expériences biochimiques et cellulaires réelles — mais cela réduit considérablement le champ de recherche.

Il importe d'être précis sur ce qu'est, et n'est pas, cette recherche. Il s'agit d'ingénierie des protéines visant à améliorer les outils d'édition génique utilisés en laboratoire, pas d'un traitement clinique testé chez des patients. La distance entre une protéine reconçue prometteuse en laboratoire et une thérapie d'édition génique approuvée reste longue, avec des tests de sécurité étendus, un examen réglementaire et des essais cliniques. Les articles consacrés à la conception de protéines assistée par IA brouillent parfois cette distance ; le cadrage exact est qu'il s'agit d'une recherche fondamentale susceptible, à terme, de rendre plus sûrs et plus fiables des outils d'édition génique éventuellement utilisés en médecine.

L'enjeu d'une précision hors cible maîtrisée concerne toutes les applications envisagées pour l'édition génique, du traitement de maladies sanguines héréditaires aux cultures aux caractéristiques précises, en passant par la recherche fondamentale sur la fonction des gènes. Dans les contextes thérapeutiques en particulier, régulateurs et chercheurs considèrent l'édition hors cible comme l'une des principales préoccupations de sécurité à résoudre avant qu'une approche d'édition génique puisse être envisagée pour un usage clinique plus large — une modification au mauvais endroit du génome d'un patient pourrait, dans le pire des cas, perturber un gène impliqué dans la suppression de tumeurs ou la régulation du fonctionnement cellulaire normal.

Le rôle d'AlphaFold dans ce projet illustre bien la manière dont l'outil a dépassé sa performance initiale la plus médiatisée. Lors de son lancement, l'importance d'AlphaFold était surtout résumée à un seul chiffre : la précision avec laquelle il pouvait prédire une structure protéique statique par rapport aux mesures expérimentales. Dans des applications comme celle-ci, sa valeur tient au fait qu'il est assez rapide et fiable pour être exécuté à répétition sur de nombreuses variantes de protéines, transformant ce qui était autrefois un goulot d'étranglement — obtenir une structure tout court — en un point de départ pour un travail de conception itératif.

Ce type de biologie structurale assistée par IA s'est largement répandu au-delà de l'édition génique depuis le lancement d'AlphaFold, vers la découverte de médicaments, la conception d'enzymes industrielles et environnementales, ou la recherche sur la manière dont les maladies altèrent la fonction des protéines. La précision de l'édition génique est l'une des applications les plus lourdes de conséquences de ce basculement plus large, car les outils que l'on affine sont précisément ceux déjà envisagés pour des usages thérapeutiques humains, où la tolérance aux effets non voulus est la plus faible.

Pour l'instant, le résultat concret de cette recherche est un ensemble d'hypothèses mieux étayées et une liste plus courte de variantes de protéines qu'il vaut la peine de tester en laboratoire, pas un outil d'édition génique fini et plus sûr, prêt à l'emploi. Mais cette approche incrémentale et guidée par la structure est précisément le genre de progrès peu spectaculaire qui a tendance à s'accumuler : chaque protéine reconçue qui réduit mesurablement les coupures hors cible referme un peu plus l'écart de sécurité entre ce que l'édition génique peut techniquement faire et ce qu'on peut lui faire confiance pour accomplir de manière fiable dans une cellule vivante.