AlphaFold 2020 est un programme d'intelligence artificielle développé par DeepMind, une filiale d'Alphabet, qui prédit les structures des protéines à partir de séquences d'acides aminés en utilisant des techniques d'apprentissage profond. Lors de la 14e évaluation critique de la prédiction de structure (CASP14) en novembre 2020, il a atteint une précision sans précédent, obtenant un score supérieur à 90 au test de distance globale (GDT) pour environ deux tiers des protéines testées, où 100 représente une correspondance complète avec les structures déterminées expérimentalement. Les résultats ont été décrits comme « stupéfiants » et « transformationnels » par les chercheurs, bien que certains aient noté que la précision restait insuffisante pour un tiers des prédictions et que le mécanisme sous-jacent du repliement des protéines restait non résolu.
Contexte
Les protéines sont constituées de chaînes d'acides aminés qui se replient spontanément en structures tridimensionnelles (3D), essentielles pour comprendre la fonction biologique. Les méthodes expérimentales telles que la cristallographie aux rayons X, la cryo-microscopie électronique et la résonance magnétique nucléaire (RMN) sont coûteuses et longues ; en plus de 60 ans, elles ont déterminé les structures d'environ 170 000 protéines, alors que plus de 200 millions de protéines connues existent dans toutes les formes de vie. Les méthodes de prédiction computationnelle, y compris la modélisation par homologie basée sur l'évolution moléculaire, n'atteignaient que des scores GDT d'environ 40 sur 100 pour les protéines les plus difficiles en 2016, selon l'évaluation CASP, lancée en 1994 pour défier la communauté scientifique. AlphaFold a d'abord participé à CASP en 2018 en utilisant une approche d'apprentissage profond par IA.
Algorithme
DeepMind a entraîné le programme sur plus de 170 000 structures de protéines provenant de la Protein Data Bank, un référentiel public de séquences et de structures. Le système utilise une forme de réseau d'attention, une technique d'apprentissage profond qui identifie les parties d'un problème plus vaste et les assemble en une solution globale. L'entraînement a été réalisé sur entre 100 et 200 GPU.
AlphaFold 1 (2018)
AlphaFold 1, qui a remporté CASP13 en décembre 2018, s'est appuyé sur des travaux antérieurs qui analysaient de grandes bases de données de séquences protéiques apparentées pour trouver des changements corrélés à des résidus non consécutifs, suggérant une proximité physique. Il a étendu cela en estimant des distributions de probabilité pour les distances entre résidus, convertissant efficacement les cartes de contacts en cartes de distances, et en utilisant des méthodes d'apprentissage plus avancées. Le code n'a pas été rendu public, sauf pour fonctionner sur les séquences CASP.
AlphaFold 2 (2020)
La version 2020 diffère considérablement de son prédécesseur. AlphaFold 1 utilisait des modules entraînés séparément combinés à un potentiel énergétique basé sur la physique ; AlphaFold 2 a remplacé cela par des sous-réseaux interconnectés formant un modèle unique, différentiable et de bout en bout basé sur la reconnaissance de formes, entraîné de manière intégrée. Après la convergence du réseau neuronal, une étape de raffinement finale applique des contraintes physiques locales en utilisant une minimisation d'énergie basée sur le champ de force AMBER, qui n'ajuste que légèrement la structure prédite. Les composants clés comprennent deux modules, probablement basés sur une conception Transformer (architecture), qui affinent progressivement les informations sur les relations entre les résidus d'acides aminés et entre les positions et les séquences dans l'alignement d'entrée. L'inclusion de données métagénomiques a amélioré la qualité de l'alignement de séquences multiples, et les données d'entraînement provenaient de la base de données Big Fantastic Database, construite sur mesure, comprenant 65 983 866 familles de protéines, couvrant 2 204 359 010 séquences protéiques provenant de bases de données de référence, de métagénomes et de métatranscriptomes.
Impact et reconnaissance
Les résultats de CASP14 d'AlphaFold 2 ont été largement reconnus. Le 15 juillet 2021, l'article a été publié dans Nature en accès anticipé, accompagné d'un logiciel open source et d'une base de données consultable des protéomes d'espèces. En novembre 2025, l'article avait été cité près de 43 000 fois. Demis Hassabis et John Jumper ont partagé la moitié du prix Nobel de chimie 2024 « pour la prédiction de la structure des protéines », tandis que David Baker a reçu l'autre moitié « pour la conception computationnelle de protéines ». Ils avaient précédemment remporté le prix Breakthrough en sciences de la vie et le prix Albert Lasker pour la recherche médicale fondamentale en 2023. Cependant, certains chercheurs ont noté que la précision était insuffisante pour un tiers des prédictions et que le programme ne révélait pas les règles sous-jacentes du repliement des protéines, laissant le problème du repliement des protéines non résolu.
Héritage
AlphaFold 3 a été annoncé le 8 mai 2024, capable de prédire les structures de complexes formés par des protéines avec l'ADN, l'ARN, des ligands et des ions, montrant une amélioration minimale de 50 % de la précision pour les interactions protéiques avec d'autres molécules par rapport aux méthodes existantes. En 2026, Google a annoncé que l'équipe AlphaFold avait été dissoute, la plupart des membres étant réaffectés à travailler sur Gemini et d'autres passant à Isomorphic Labs ou quittant complètement l'entreprise. La percée de 2020 reste un jalon dans les applications du machine learning à la biologie, démontrant la puissance du deep learning pour résoudre des problèmes scientifiques complexes.