Aller au contenu
ATLAS Humain × IA

Référentiel B — capacité IA

AlphaFold (DeepMind)

ScientifiqueGoogle DeepMinddocumentéVérifié le

Architecture

Réseau de neurones de type transformer avec attention sur les résidus et représentations de coévolution (Evoformer), prédisant la structure tridimensionnelle des protéines à partir de leur séquence d'acides aminés.

Capacités clés

  • Prédiction de structure protéique à une précision proche de la résolution expérimentale pour une large part du protéome connu
  • Base de données ouverte de structures prédites (AlphaFold Protein Structure Database, avec l'EMBL-EBI)
  • AlphaFold 3 étend la prédiction aux complexes protéine-ligand et protéine-acide nucléique

Usages documentés par secteur

RechercheTRL 9 / 9

La base AlphaFold, exploitée par l'EMBL-EBI avec Google DeepMind, est ouverte au public depuis 2021 (plus de 365 000 protéines humaines) et couvre en 2024 la quasi-totalité des protéines connues : infrastructure opérationnelle, pas prototype.

Accélération de la recherche structurale en biologie, auparavant coûteuse en cristallographie/cryo-EM

  • Base AlphaFold ouverte au public en 2021 avec plus de 365 000 protéines humaines et 20 organismes modèles
  • Couverture de la quasi-totalité des protéines connues en 2024

Sources de cet usage

  1. 1.AlphaFold Protein Structure Database (EMBL-EBI / Google DeepMind)primaire
  2. 2.AlphaFold — Wikipédia (article en français)secondaire

PharmaceutiqueTRL 8 / 9

Isomorphic Labs a déclaré en mai 2024 utiliser AlphaFold 3, avec d'autres modèles d'IA, pour automatiser son processus de découverte de médicaments.

Accélération de l'identification de cibles thérapeutiques et de la conception de médicaments

  • Isomorphic Labs a déclaré en mai 2024 utiliser AlphaFold 3, avec d'autres modèles d'IA, pour automatiser le processus de découverte de médicaments
  • AlphaFold 3 prédit la structure des protéines et leurs interactions avec l'ADN, l'ARN et certains ligands ou ions, capacité présentée comme devant accélérer la découverte de nouveaux médicaments
  • La connaissance des formes tridimensionnelles aide les chercheurs à concevoir des molécules qui se logent dans les poches et crevasses des protéines

Sources de cet usage

  1. 1.AlphaFold — Wikipédia (article en français)secondaire

Limites connues

Prédit une structure statique/probable, pas nécessairement la dynamique conformationnelle réelle d'une protéine en solution ; performance dégradée sur les protéines sans homologues connus ou fortement désordonnées ; ne remplace pas la validation expérimentale pour un usage clinique.

Débats documentés

Repose sur la même source (2)

Ces fiches citent au moins une source identique : si elles s'accordent, cet accord ne vaut pas confirmation indépendante.

  • IA en génomique et drug discoveryrepose sur la même source

    Les deux fiches citent « Jumper et al., « Highly accurate protein structure prediction with AlphaFold », Nature 596 (2021) ».

  • AlphaGo/AlphaZero/AlphaFoldrepose sur la même source

    Les deux fiches citent « Jumper et al., « Highly accurate protein structure prediction with AlphaFold », Nature 596 (2021) ».

Sources

  1. 1.Jumper et al., « Highly accurate protein structure prediction with AlphaFold », Nature 596 (2021)primaire
  2. 2.AlphaFold Protein Structure Database (EMBL-EBI / Google DeepMind)primaire
  3. 3.Prix Nobel de chimie 2024 (Baker, Hassabis, Jumper) — communiqué du comité Nobelsecondaire
  4. 4.AlphaFold — Wikipédia (article en français)secondaire

Analyses de gap citant cette fiche

Fiches connexes — Scientifique

Données brutes de cette fiche : /api/fiches/alphafold-deepmind — voir la méthodologie.