Le prix Nobel de chimie 2024 a été attribué à l’Américain David Baker et aux Britanniques John Jumper et Demis Hassabis, a annoncé le Comité Nobel de l'Académie suédoise des sciences.

Les scientifiques se sont vu décerner le prix pour la "modélisation informatique des structures des protéines" ainsi que pour la "prédiction de la structure des protéines", selon la décision du Comité.

Il est précisé que M. Baker a créé, à l'aide d'une méthode originale, la première protéine au monde, "complètement différente de toutes les protéines existantes", appelée Top7. Grâce aux recherches du scientifique, il est devenu possible de concevoir des structures protéiques qui n'existent pas dans la nature, plutôt que d'imiter simplement la structure des protéines existantes.

Les chercheurs Hassabis et Jumper ont été récompensés pour avoir développé un modèle basé sur la technologie de l'intelligence artificielle, AlphaFold2, qui a non seulement établi la structure de toutes les protéines du corps humain, mais a également prédit à l'avance la structure de plus de 200 millions de protéines qui ont été découvertes plus tard dans d'autres organismes vivants.

La découverte pourrait trouver "une myriade d'applications scientifiques", allant d'une meilleure compréhension du fonctionnement de la "résistance aux antibiotiques" à la création de structures pour des enzymes capables de dégrader le plastique, a souligné le comité. Le code AlphaFold2 est publié et est accessible au public. En octobre 2024, plus de 2 millions de personnes de 190 pays auront été initiées au modèle.

Grâce aux découvertes des lauréats, "un travail qui prenait plusieurs années peut désormais être réalisé en quelques minutes", a souligné le comité.

David Baker est né le 6 octobre 1962. Ce biochimiste américain est connu pour avoir développé une méthode de conception des protéines et de prédiction de leurs structures tridimensionnelles à l'aide de programmes basés sur l'intelligence artificielle.

Demis Hassabis, né le 27 juillet 1976, est un scientifique britannique spécialisé dans l'informatique et l'intelligence artificielle. Il a été directeur de DeepMind (la division de l'intelligence artificielle de Google) et conseiller en intelligence artificielle auprès du gouvernement britannique.

Scientifique américain et chercheur principal chez DeepMind Technologies, John Jumper a participé avec Demis Hassabis à la construction du modèle d'IA AlphaFold pour l'étude et la prédiction des structures de protéines et d'acides aminés.

Les découvertes des prix Nobel en chimie rendront la recherche moins coûteuse
 

La création des algorithmes AlphaFold et du réseau informatique distribué Rosetta@Home réduira considérablement le coût de la recherche sur l'étude de la structure des protéines. Cette opinion a été exprimée à TASS par Kirill Antonets, chercheur de premier plan à l'université de Saint-Pétersbourg, commentant les découvertes de David Baker, John Jumper et Demis Hassabis.

"La plupart des processus des organismes vivants dépendent du fonctionnement des protéines, et plus précisément de leur structure, c'est-à-dire de la façon dont elles sont disposées dans l'espace tridimensionnel. Les protéines elles-mêmes sont des fils constitués de blocs individuels d'acides aminés. Ces fils, "froissés" dans l'espace, forment des tubules. La forme de ces tubules détermine la fonction de la protéine, ce qui est essentiel pour comprendre le fonctionnement général des organismes vivants. Nous pouvons déterminer la séquence des acides aminés dans cette chaîne (chaîne de perles) assez facilement, car il existe des méthodes éprouvées à cet effet. Mais l'obtention de la structure de chaque protéine individuelle est une tâche assez onéreuse, qui coûte souvent des centaines de milliers et des millions de dollars", a-t-il déclaré, soulignant qu'il s'agissait d'une découverte scientifique très importante.

Selon le scientifique, la détermination de la structure des protéines est importante pour comprendre les processus associés aux maladies, pour trouver de nouveaux médicaments et pour résoudre les problèmes biotechnologiques liés à la synthèse de substances utiles et d'additifs alimentaires. Comme l'a fait remarquer le spécialiste, la complexité de la tâche consistant à prédire, par exemple, la séquence des acides aminés, est comparable à "l'assemblage d'un vaisseau spatial" lorsqu'il n'y a qu'une liste de détails.

"L'utilisation de méthodes modernes d'intelligence artificielle et d'apprentissage automatique profond a permis de résoudre ce problème et de rapprocher la solution issue de la prédiction des résultats obtenus lors des expériences. Cela permet d'économiser d'importantes ressources financières et temporelles. Alors qu'auparavant de tels problèmes pouvaient être résolus en un an, aujourd'hui, avec l'aide de l'IA, ils peuvent être résolus en quelques heures. Pour la science, cela ouvre des perspectives incroyables, car la méthode est désormais utilisée pour de nombreuses études fondamentales et pour la recherche de nouveaux médicaments", a expliqué le scientifique.

Toutefois, selon M. Antonets, les méthodes développées par les scientifiques ne permettent pas de remplacer totalement les résultats expérimentaux. Tous les résultats obtenus à l'aide de programmes informatiques nécessitent encore une prédiction expérimentale, mais ils réduisent considérablement le coût et le temps de la recherche.


AN

 

Lire aussi : Une station chinoise en Antarctique a commencé à surveiller l'atmosphère
Lire aussi : Une éruption solaire proche de la classe X s'est produite