Identifier et cartographier les interactions entre protéines est essentiel pour comprendre les fonctions cellulaires et leurs régulations croisées. En effet, une fois les sites d'interactions connus avec précision, les biologistes perturbent sélectivement certains sites pour observer synergies et compétitions entre protéines et percer à jour le fonctionnement cellulaire. Or il manque encore de nombreuses informations structurales pour décrire finement l'organisation de ces réseaux d'interactions. C'est en particulier le cas lorsque les sites d'interactions sont localisés dans des régions intrinsèquement désordonnées car ils sont alors peu stables au cours du temps.
Assemblages protéiques et IA
Développé en 2018 par Google DeepMind, le programme d'intelligence artificielle AlphaFold fournit la structure tridimensionnelle des protéines à partir de leur séquence d'acides aminés et son successeur, AlphaFold2, en libre accès depuis 2021, prédit remarquablement bien les assemblages de protéines ayant co-évolué sur des durées longues. Mais quelles sont les performances de ce programme révolutionnaire pour des assemblages impliquant des régions intrinsèquement désordonnées, souvent médiatrices d'interactions transitoires au cours de l'évolution ?
Pour répondre à cette question, des chercheurs de Joliot ont testé AlphaFold2 en lui fournissant un ensemble de données sur 900 complexes protéine-peptide impliquant des régions intrinsèquement désordonnées.
- En utilisant les séquences complètes des protéines, AlphaFold2 n'atteint qu'un taux de réussite de 40 % dans l'identification du site d'interaction protéine-peptide.
- En revanche, en délimitant la région d'interaction en fragments de taille décroissante et en combinant différentes stratégies d'intégration de l'information, les scientifiques sont parvenus à porter ce taux à 90 %.
Ce résultat est très encourageant pour le criblage systématique des interactions entre protéines mais la détection de faux-positifs sera au cœur de développements futurs avec des programmes tels qu'AlphaFold2.