Un trio de scientifiques—Demis Hassabis, cofondateur et PDG de la division IA de Google DeepMind ; John Jumper, chercheur senior chez Google DeepMind ; et David Baker de l'Université de Washington—a été récompensé par le prix Nobel de chimie 2024 pour leurs travaux novateurs sur la prédiction et le développement des protéines.
Cette reconnaissance est centrée sur AlphaFold 2, un système d'IA lancé en 2020 qui prédit avec précision la structure 3D des protéines à partir de leurs séquences d'acides aminés. Baker, qui dirige un laboratoire axé sur la conception de protéines inédites—y compris pour les médicaments, les vaccins, les nanomatériaux et les capteurs miniatures—partage cet honneur avec ses collègues.
Ce prix met en lumière l'impact transformateur de l'intelligence artificielle dans les sciences biologiques, coïncidant avec le prix Nobel de physique décerné à Geoffrey Hinton de Google DeepMind et à John J. Hopfield de Princeton pour leurs contributions aux réseaux neuronaux artificiels. L'Académie royale des sciences de Suède a annoncé un prix de 11 millions d'euros (environ 1 million de dollars), dont la moitié sera attribuée à Baker et le reste partagé entre Hassabis et Jumper.
Résolution d'un défi biologique de 50 ans
Le comité Nobel a souligné l'importance d'AlphaFold dans la résolution de la prédiction de la structure des protéines, un défi qui persiste depuis cinq décennies. La forme 3D d'une protéine détermine sa fonction, mais prédire comment les chaînes d'acides aminés se replient dans cette forme est extrêmement complexe. Malgré de nombreux efforts depuis les années 1970, les prédictions précises sont restées insaisissables en raison du nombre immense de configurations possibles.
AlphaFold utilise l'IA pour atteindre une précision presque expérimentale dans la prédiction des structures 3D des protéines, correspondant étroitement aux résultats obtenus par des méthodes expérimentales traditionnelles telles que la cristallographie aux rayons X et la résonance magnétique nucléaire (RMN), avec une marge d'erreur d'environ 1 Ångström (0,1 nanomètre). Cette avancée s'est révélée être un outil transformationnel pour les biologistes.
Les contributions de Hassabis et Jumper chez DeepMind ont redéfini la biologie structurale et la découverte de médicaments, permettant aux scientifiques du monde entier d'avancer. "AlphaFold a déjà été utilisé par plus de deux millions de chercheurs dans des domaines critiques comme la conception d'enzymes et la découverte de médicaments," a déclaré Hassabis. "J'espère que nous verrons AlphaFold comme un témoignage du potentiel de l'IA pour accélérer la découverte scientifique."
Accessibilité mondiale d'AlphaFold
Les prédictions d'AlphaFold sont disponibles via la base de données AlphaFold Protein Structure, un outil révolutionnaire en accès libre adopté par des chercheurs dans 190 pays. Avec la capacité de prédire les structures des protéines en quelques minutes—précédemment un processus prenant des années—AlphaFold accélère considérablement la recherche scientifique.
Le système a joué un rôle clé dans la lutte contre la résistance aux antibiotiques, la conception d'enzymes dégradant les plastiques, et a contribué au développement de vaccins, démontrant ainsi sa pertinence tant en santé qu'en durabilité. Jumper a déclaré : "Nous sommes honorés d'être reconnus pour avoir réalisé la promesse de la biologie computationnelle, approfondissant notre compréhension des protéines et soutenant les efforts des biologistes expérimentaux." Il a souligné qu'AlphaFold est un outil de découverte aidant les scientifiques à comprendre les maladies et à créer rapidement de nouveaux thérapeutiques.
La genèse d'AlphaFold
L'inception d'AlphaFold découle de l'exploration plus large de l'IA par DeepMind. Hassabis, un prodige des échecs, a commencé sa carrière à 17 ans en co-développant le jeu vidéo Theme Park. Après avoir étudié l'informatique et obtenu un doctorat en neuroscience cognitive, il a cofondé DeepMind en 2010. L'entreprise, reconnue pour sa maîtrise de l'IA, a été acquise par Google en 2014 pour environ 500 millions de dollars.
En tant que PDG de Google DeepMind, Hassabis a supervisé des percées en IA, y compris des systèmes réussissant des performances sans précédent dans des jeux comme le Go. En 2018, le projet AlphaFold a participé à la compétition d'évaluation critique de la prédiction de la structure des protéines (CASP), remportant le concours en surpassant plusieurs équipes. Le véritable bond en avant est survenu en 2020 avec AlphaFold 2, qui a résolu des problèmes complexes de repliement des protéines avec une précision inégalée.
AlphaFold 2 représente des années de recherche en réseaux neuronaux et apprentissage automatique, établissant DeepMind comme un leader dans ces domaines. Le modèle, entraîné sur de vastes ensembles de données de structures protéiques connues, peut généraliser des prédictions pour des protéines non rencontrées, une capacité auparavant inimaginable. Plus tôt cette année, DeepMind et Isomorphic Labs ont introduit AlphaFold 3, un modèle amélioré comportant un module Evoformer optimisé et un réseau de diffusion pour le raffinement des structures moléculaires prédites.
Le rôle de David Baker dans la conception des protéines
Alors que Hassabis et Jumper ont fait avancer la prédiction des protéines, les travaux de David Baker sur la conception de protéines de novo se concentrent sur la création de nouvelles protéines n'existant pas dans la nature. À l’Institut pour la conception des protéines de l’Université de Washington, le laboratoire de Baker a développé Rosetta, un outil computationnel pour concevoir des protéines synthétiques.
Les innovations de Baker ont conduit à la création de protéines visant à produire de nouveaux thérapeutiques, y compris des enzymes personnalisées et des particules semblables à des virus pour des vaccins. Son équipe a même conçu des protéines capables de détecter le fentanyl, s'attaquant à une crise sanitaire mondiale. En créant des protéines à partir de zéro, la recherche de Baker étend les applications potentielles des protéines, complétant les capacités prédictives d'AlphaFold avec la conception de molécules sur mesure.
L'avenir de l'IA dans la recherche scientifique
Le prix Nobel célèbre les contributions profondes de Hassabis, Jumper et Baker, signalant une tendance plus large : l'IA devient indispensable dans la recherche scientifique. Le succès d'AlphaFold a ravivé l'intérêt pour son potentiel à relever des défis complexes dans des domaines comme le changement climatique, l'agriculture et la science des matériaux.
Le comité Nobel a mis en avant les vastes opportunités que ces découvertes créent pour la biologie et la chimie. Alors que Hassabis promeut la capacité transformative de l'IA, il reconnaît l'importance d'une utilisation responsable : "L'IA peut accélérer la découverte scientifique comme jamais auparavant, mais nous devons aborder cela avec prudence."
À mesure que des systèmes IA comme AlphaFold évoluent, leur capacité à modéliser des processus biologiques et à prédire des résultats pourrait révolutionner les soins de santé, la durabilité, et bien plus encore. L'attribution du prix Nobel à Jumper et Hassabis marque à la fois une reconnaissance de leur impact immense et l'aube d'une nouvelle ère scientifique où l'IA joue un rôle crucial dans la découverte des mystères de la vie.
En conclusion, le prix Nobel de chimie 2024 reconnaît les contributions révolutionnaires de Hassabis, Jumper et Baker dans la redéfinition de la science des protéines. AlphaFold se positionne comme un outil pivot pour les chercheurs, accélérant de manière spectaculaire les découvertes et élargissant les horizons de l'innovation biologique. Ensemble, ces avancées annoncent le début d'une ère transformante pour l'intelligence artificielle en science, avec d'immenses possibilités encore à explorer.
Classement
