Prix Nobel de chimie 2024
En 2024, le prix Nobel de chimie a été attribué à Demis Hassabis et John Jumper pour la prédiction de structures protéiques grâce à l’intelligence artificielle, notamment via AlphaFold et à David Baker pour la conception computationnelle de protéines avec le logiciel Rosetta. AlphaFold a permis la génération d’une bibliothèque de près de 200 millions de structures prédites de protéines destinées à accélérer la recherche. Ce prix, symbolique, marque une rupture dans la recherche, où l’IA devient l’outil central de la recherche.
La structure 3D d’une protéine détermine ses sites actifs, sa spécificité vis-à-vis d’autres molécules ou encore sa stabilité. La détermination de la structure 3D d'une protéine est alors une étape cruciale en biologie et en recherche pharmaceutique. Elle permet de comprendre comment une protéine fonctionne et peut être ciblée par des médicaments. Ainsi, la prédiction des structures via l’IA, marque le début d’une révolution dans la conception de molécules à usage pharmaceutique.
Une révolution pharmaceutique
Aujourd’hui, la découverte et la conception de médicaments repose sur des campagnes de criblage massif, d’optimisations successives, et d’essais. Cela représente un coût majeur, en temps et en ressources, pour les industriels concernés.
L’IA générative est au centre de l’attention et permet de proposer des molécules candidates, dans une base de données chimiques déjà énorme, de prédire leur affinité, leur toxicité, leur solubilité avant de les synthétiser. Cette technologie pourrait réduire considérablement les coûts de R&D dans l’industrie et accélérer la conception de nouveaux médicaments. La prédiction de la structure d’une protéine peut prendre jusqu’à 5 secondes seulement avec une excellente fiabilité de 92,8%.
L’intelligence artificielle est maintenant développée pour contribuer au développement de candidats médicaments.
Par exemple, Iktos développe des algorithmes d’IA générative pour créer de nouvelles molécules et conçoit des plateformes technologiques de synthèse avec une approche opérationnelle robotisée.
Aussi, Aqemia développe une autre stratégie, avec la combinaison de physique quantique et d’intelligence artificielle générative, pour générer des molécules thérapeutiques.
Un horizon à dessiner
Bien que l’IA permette de concevoir et de sélectionner un grand nombre de molécules candidates, la synthèse chimique reste un goulot d’étranglement pour leur production. En effet, une molécule peut être compliquée à obtenir en grandes quantités, avec un degré de pureté et de stabilité satisfaisant, et avec un coût d’exploitation à grande échelle acceptable
De plus, l’IA est encore loin d’être autonome et une validation expérimentale est toujours nécessaire, par la réalisation de criblages, de tests in vitro et d’études cliniques.
La combinaison de l’IA et de la chimie pourrait représenter le futur de la conception multicritère de molécules (affinité, sélectivité, solubilité, toxicité, biodisponibilité, coût de synthèse).
Dans le futur, l’IA sera-t-elle capable de concevoir les « meilleurs médicaments » de façon autonome ?
