L'apport De L'apprentissage Automatique Dans La Prédiction De La Structure Des Protéines

Résumé: Les protéines sont essentielles à la vie, elles s’occupent d’à peu près tout dans un organisme vivant. Ce sont de grandes molécules complexes, constituées de chaînes d’acides aminés, une fois fabriquées, elles se replient sur elles-même pour adopter une forme unique. La forme d’une protéine est étroitement liée à sa fonction, et la capacité de prédire cette structure est d’une importance primordiale, à la fois pour déterminer son rôle dans l’organisme, ainsi que pour développer des médicaments pour des maladies supposées être causées par des protéines mal repliées, telles que la maladie d’Alzheimer et la maladie de Parkinson. Des recherches scientifiques essaient depuis de nombreuses années de trouver une méthode pour déterminer la structure des protéines en utilisant une variété de techniques expérimentales, telles que la résonance magnétique nucléaire et la cristallographie aux rayons X qui dépendent de nombreux essais et erreurs, qui peuvent prendre des années de travail et nécessitent l’utilisation d’équipements spécialisés par des millions de dollars. C’est pourquoi les biologistes se tournent vers les méthodes d’intelligence artificielle (IA) comme alternative à ce processus. Dans une avancée scientifique majeure, la dernière version du système d’IA AlphaFold a été reconnue comme une solution à ce grand défi par les organisateurs de la compétition CASP. Cette percée démontre l’impact que l’IA peut avoir sur la découverte scientifique et son potentiel pour accélérer considérablement les progrès dans certains des domaines les plus fondamentaux qui expliquent notre monde. Dans ce mémoire, nous allons présenter différentes approches basées sur le deep learning proposées pour la résolution de ce problème. Ainsi, nous allons présenter une approche basée sur l’architecture auto-encodeur qui prédit la matrice de contact à partir d’une séquence d’acides aminés donnée et les modifications que nous avons apportées à cette approche.

Publié dans la revue: