Apple présente SimpleDesign, un nouveau modèle d'intelligence artificielle pour la conception de protéines

Des chercheurs de Apple ont présenté SimpleDesign, un nouveau modèle d'intelligence artificielle capable de générer simultanément des séquences de protéines et les structures tridimensionnelles qui leur correspondent.

Ce modèle propose une approche de bout en bout fonctionnant directement dans le domaine des données, contrairement aux processus d'entraînement multi-étapes couramment utilisés dans la conception de protéines. En apprenant les informations sur la séquence et la structure au sein d'un même processus, Apple explore la possibilité d'une architecture plus simple pour la conception biomoléculaire assistée par intelligence artificielle. Ce travail fait suite à l'étude SimpleFold publiée en septembre dernier, laquelle proposait un modèle basé sur l'appariement de flux pour prédire la structure tridimensionnelle d'une protéine à partir de sa séquence d'acides aminés.

SimpleDesign utilise des blocs Transformer polyvalents, une architecture habituellement employée pour la génération de texte et de code. L'objectif est de démontrer qu'un cadre de modélisation plus général peut remplacer les structures plus complexes et coûteuses en calcul, comme celles observées dans des systèmes tels que AlphaFold. La différence fondamentale réside dans le fait que SimpleDesign ne nécessite pas la conversion préalable des structures de protéines en représentations discrètes, appelées jetons, traitant directement les séquences d'acides aminés et les coordonnées tridimensionnelles continues.

Pour l'entraînement, les chercheurs ont utilisé plus de 2 millions de paires de séquences et de structures de protéines provenant du jeu de données AFESM, qui regroupe des structures prédites de la base de données AlphaFold et des exemples supplémentaires. Durant l'entraînement, les séquences d'acides aminés ont été masquées aléatoirement et du bruit a été ajouté aux coordonnées structurelles. Ce mécanisme permet au modèle de s'adapter à différents problèmes, allant de la séquence à la structure et inversement, selon le niveau de dégradation des données.

Selon les évaluations des chercheurs, SimpleDesign a produit des résultats compétitifs dans les tests de co-conception, de génération de structures et de séquences de protéines, malgré un processus d'entraînement plus simple. Les structures générées présentent des géométries plausibles et les séquences d'acides aminés sont similaires ou supérieures à celles de certains modèles concurrents multimodaux. Ces résultats restent toutefois limités à des évaluations informatiques, car la capacité des protéines produites à se replier correctement, à remplir leur fonction ou à être sûres dans des systèmes biologiques réels n'a pas encore été vérifiée expérimentalement.