Gap analysis — capacité humaine × capacité IA
Génomique et CRISPR-Cas9 × AlphaFold (DeepMind)
Édition génomique programmable et prédiction structurale
Fiches comparées
Génomique et CRISPR-Cas9Capacité humaine · ÉvolutionAlphaFold (DeepMind)Capacité IA · ScientifiqueApport de l'IA
La prédiction de structure protéique à une précision proche de la résolution expérimentale, disponible en base ouverte, apporte à l'ingénierie des systèmes d'édition génomique un accès direct à la géométrie des complexes — et, avec AlphaFold 3, aux complexes protéine-acide nucléique, configuration même du système CRISPR guidé par ARN. Elle n'apporte ni la dynamique conformationnelle réelle, ni la validation nécessaire à un usage clinique.
Mécanisme
Réseau de type transformer avec attention sur les résidus et représentations de coévolution (Evoformer), prédisant la structure tridimensionnelle à partir de la séquence ; base ouverte de structures prédites constituée avec l'EMBL-EBI.
Comment faire mieux
La performance se dégrade sur les protéines sans homologues connus ou fortement désordonnées : élargir la couverture conditionne l'ingénierie de nucléases nouvelles. Coupler la prédiction structurale à l'évaluation des effets hors cible, principal enjeu de sécurité documenté pour l'édition génomique, reste le chantier le plus directement utile.
Mode d'interaction recommandé
Délégation supervisée en conception : le modèle éclaire le choix des variantes et des guides, la validation expérimentale et l'encadrement éthique restent humains.
Substituabilité
Remplaçable avec supervision humaine
Scénarios temporels
Présent
En 2026, la fiche IA documente l'accélération de la recherche structurale à TRL 9 : la base AlphaFold, exploitée par l'EMBL-EBI avec Google DeepMind, est ouverte au public depuis 2021 et couvre en 2024 la quasi-totalité des protéines connues. L'usage pharmaceutique y est documenté à TRL 8, Isomorphic Labs ayant déclaré en mai 2024 utiliser AlphaFold 3 pour automatiser sa découverte de médicaments.
+5 ans
Si la prédiction s'étend fiablement aux complexes protéine-acide nucléique dynamiques, la conception de guides et de nucléases plus spécifiques pourrait réduire les effets hors cible, sous réserve de validation expérimentale.
+15/20 ans
Spéculatif : sous l'hypothèse d'une prédiction fiable de la dynamique conformationnelle, l'ingénierie d'éditeurs génomiques sur mesure deviendrait routinière — ce qui déplacerait entièrement le débat vers la gouvernance de l'édition germinale, non résolue depuis 2018.
Axes possibles (perspectives, pas des prédictions tranchées)
Conception assistée de guides
Opinion majoritaireUsage systématique de la prédiction structurale dans la conception de systèmes d'édition plus spécifiques.
Validation expérimentale maintenue
Consensus scientifiqueLa prédiction ne remplace pas la validation expérimentale pour un usage clinique, limite explicitement documentée.
Accessibilité et gouvernance
Hypothèse prospectiveUne ingénierie génomique plus accessible pourrait accroître la pression sur des cadres de gouvernance déjà mis en défaut en 2018.
Sous-thèmes et axes de recherche
Sous-thèmes
- Complexes protéine-acide nucléique
- Effets hors cible et sécurité
- Gouvernance de l'édition germinale
Axes de recherche
- La prédiction structurale peut-elle réduire mesurablement les effets hors cible ?
- Comment traiter les protéines sans homologues connus dans la conception de nucléases ?
- Quelle gouvernance pour une ingénierie génomique rendue plus accessible par la prédiction ?
Documents clés
- 1.A Programmable Dual-RNA-Guided DNA Endonuclease (Jinek, Doudna, Charpentier et al., Science, 2012)primaire
- 2.Jumper et al., « Highly accurate protein structure prediction with AlphaFold », Nature 596 (2021)primaire
- 3.CRISPR — Wikipédiasecondaire
- 4.AlphaFold — Wikipédia (article en français)secondaire
Données brutes de cette analyse : /api/gap/crispr-cas9-vs-alphafold — méthode de comparaison détaillée dans la méthodologie.