Peptide revient souvent en discussion, rarement avec le contexte. Voici d'abord les bases, puis les considérations pratiques.
Vérifié le 2026-05-15. Ce qui reste débattu est signalé comme tel.
=== AlphaFold 2 === En novembre 2020, avec AlphaFold 2, l'équipe gagne une seconde fois le concours du CASP, atteignant un niveau de précision inégalé pour la prédiction de structures protéiques. Ces résultats sont décrits comme révolutionnaires, et pouvant faire gagner des décennies aux laboratoires de recherche. Cette version du logiciel utilise alors un système de sous-réseaux couplés basés sur des transformeurs, lui permettant d'affiner progressivement les informations sur les relations entre les résidus et les séquences, pour prédire la structure finale. Ces résultats sont qualifiés de « stupéfiants » et « transformationnels » et cette IA est saluée comme une avancée majeure pour la biologie et l'accélération de la recherche en santé, chimie et pharmacochimie. Selon Science, cette IA « a résolu l'un des grands défis de la biologie : prédire comment les protéines s'enroulent à partir d'une chaîne linéaire d'acides aminés en formes 3D qui leur permettent d'effectuer les tâches de la vie », et semble déjà assez précise pour prédire les effets d'une unique mutation. La précision reste cependant insuffisante pour un tiers des prédictions de l'IA, et le calcul ne révèle pas le mécanisme ou les règles du repliement des protéines, faisant que ce problème ne peut être considéré comme complètement résolu. Elle ne prend pas non plus en compte les interactions entre les protéines et d'autres molécules, ni les modifications post-traductionnelles qui peuvent affecter la structure et la fonction des protéines.
Sources : fr.wikipedia.org
Les méthodes traditionnelles expérimentales (cristallographie aux rayons X, cryo-microscopie électronique (cryo-EM) ne donnent pas toujours de bons résultats non plus. En juillet 2021, AlphaFold 2 est décrit dans un article publié dans Nature. Le logiciel est libre, de même qu'une base de données regroupant les structures de la plupart des protéines de plusieurs espèces, dont 20 000 protéines humaines. La même année, un groupe de recherche d'Harvard met en ligne un outil « notebook » permettant de tester AlphaFold 2 sans avoir à l'installer sur son ordinateur. En septembre 2022, grâce aux résultats d'AlphaFold, il est annoncé que Demis Hassabis, directeur général de DeepMind, et John Jumper (en) reçoivent le prix des avancées capitales dans les sciences de la vie « pour avoir développé une méthode d'apprentissage (pour intelligence artificielle) en profondeur qui prédit rapidement et avec précision la structure tridimensionnelle des protéines à partir de leur séquence d'acides aminés ». En 2026, l'extension de la base AlphaFold (ajout de 1,7 million de prédictions de complexes protéiques en plus des 200 millions de structures individuelles déjà disponibles), marque une nouvelle avancée en permettant de modéliser plus précisément la manière dont les protéines interagissent et fonctionnent ensemble (tout en exigeant une interprétation prudente en raison des limites et incertitudes inhérentes à ces prédictions).
Sources : fr.wikipedia.org
=== AlphaFold 3 === Annoncé le 8 mai 2024, AlphaFold 3 est co-développé par Google DeepMind et Isomorphic Labs, deux filiales d'Alphabet. AlphaFold 3 ne se limite pas aux protéines, il peut également prédire la structure et les interactions avec l'ADN, l'ARN et certains ligands ou ions. AlphaFold 3 introduit l'architecture "Pairformer", une nouvelle variante de l'architecture transformeur, similaire mais plus simple que l'architecture Evoformer introduite avec AlphaFold 2. Les prédictions du module Pairformer sont transmises à un modèle de diffusion (en), qui commence avec un nuage d'atomes et utilise ces prédictions pour progresser itérativement vers une représentation en 3D de la structure moléculaire. Le serveur AlphaFold est créé pour fournir un accès gratuit à AlphaFold 3 pour la recherche non commerciale. La capacité de prédire comment les protéines interagissent avec les molécules généralement trouvées dans les médicaments (telles que les ligands ou les anticorps) devrait significativement accélérer la découverte de nouveaux médicaments. L'entreprise Isomorphic Labs a d'ailleurs déclaré en mai 2024 qu'elle utilisait déjà AlphaFold 3 avec d'autres modèles d'IA pour automatiser le processus de découverte de médicaments.
Sources : fr.wikipedia.org
== Liens externes == « AlphaFold : la recherche protéinée par l’IA », La Science, CQFD, sur France culture, 19 mars 2024 « AlphaFold Protein Structure Database », sur alphafold.ebi.ac.uk (consulté le 23 septembre 2021) « AlphaFold Notebook », sur colab.research.google.com (consulté le 24 septembre 2021)
Sources : fr.wikipedia.org
Peptide est résumé ici à partir de littérature publique : définition, contexte et points récurrents en pratique. Informations générales, pas un avis médical.
La recherche sur Peptide repose surtout sur des travaux de laboratoire et des modèles animaux ; les données cliniques varient selon la substance.
La pureté et l'analyse (HPLC, spectrométrie de masse), une reconstitution correcte et un stockage adapté sont déterminants.%!(EXTRA string=Peptide)
Tous les mécanismes ne sont pas démontrés et une étude isolée ne fait pas une preuve globale. Les questions ouvertes sont signalées comme telles.%!(EXTRA string=Peptide)