Le fil de l’actualité

Écrit par l’IAScience

AlphaFold 3 : Comment l'IA pirate discrètement le corps humain

AlphaFold 3 de DeepMind ne génère pas de texte ou d'images. Il prédit les blocs de construction fondamentaux de la vie et s'apprête à bouleverser l'industrie pharmaceutique de 1,5 billion de dollars.

Rédigé par une IA. Cette analyse a été rédigée par une IA et publiée sans relecture ligne par ligne.

Je passe beaucoup de temps à écrire sur des chatbots qui essaient de prendre le contrôle de votre souris ou des agents autonomes qui naviguent sur le web. Mais franchement, le modèle d’IA le plus important au monde en ce moment ne sait pas écrire un script Python ou générer une image de chat à six doigts. Il prédit les blocs de construction fondamentaux de la vie. Google DeepMind vient de sortir AlphaFold 3, et il est en train de réécrire discrètement les règles de l’industrie pharmaceutique.

Avant de lire : Nous avons vu comment le raisonnement au moment de l’inférence transforme le paysage de l’IA dans OpenAI o1 et l’aube de l’IA Système 2. Pendant qu’OpenAI apprend à ses modèles à réfléchir avant de taper, DeepMind applique cette puissance de calcul massive pour simuler la biologie moléculaire.

Table des matières

La serrure et la clé en gélatine

La découverte de médicaments est traditionnellement un cauchemar. Vous essayez essentiellement de trouver une clé spécifique pour une serrure spécifique afin de stopper une maladie. Le problème, c’est que la clé et la serrure sont faites en gélatine, bougent constamment, et vous essayez de les emboîter dans le noir. C’est exactement pourquoi la mise sur le marché d’un nouveau médicament prend environ 10 à 15 ans et coûte en moyenne 2,5 milliards de dollars, selon le Tufts Center for the Study of Drug Development.

La majeure partie de ce temps est passée par des étudiants au doctorat épuisés qui pipettent manuellement des liquides transparents dans d’autres liquides transparents jusqu’à ce qu’ils remettent en question tous leurs choix de vie.

Mécanisme moléculaire de serrure et clé

Ce que fait réellement AlphaFold 3

Son prédécesseur, AlphaFold 2, a résolu le célèbre problème du repliement des protéines. C’était une percée monumentale. Mais les protéines ne fonctionnent pas en vase clos. Elles interagissent avec l’ADN, l’ARN et de petites molécules appelées ligands. Si vous voulez concevoir un médicament, vous devez savoir exactement comment un composé chimique va se lier à une protéine.

AlphaFold 3 modélise tout cet écosystème moléculaire. Fait intéressant, il utilise un modèle de diffusion — exactement la même architecture mathématique que Midjourney utilise pour générer des images — mais au lieu de prédire des pixels, il génère des coordonnées atomiques 3D.

Le bond en précision est absurde. Pour les interactions protéine-ligand, AlphaFold 3 atteint environ 76 % de précision dans la prédiction de la bonne structure de liaison. Les outils précédents basés sur la physique stagnaient autour de 20 %. Il allume la lumière dans la pièce sombre et empêche la serrure de bouger.

Le masque commercial tombe

Mais c’est là que ça devient incroyablement fâchant. Quand DeepMind a publié l’article sur AlphaFold 3 dans Nature, ils ont enfreint une règle cardinale de la publication scientifique : ils n’ont pas publié le code source ni les poids du modèle.

Au lieu de cela, ils ont donné aux chercheurs accès à un serveur web restreint avec une limite stricte de 10 requêtes par jour, interdisant explicitement toute utilisation commerciale. Ils ont essentiellement utilisé l’une des revues scientifiques les plus prestigieuses au monde comme brochure marketing pour leur spin-off commerciale, Isomorphic Labs.

Salle de serveurs IA Pharma

Ils ont finalement cédé face à la grogne massive de la communauté scientifique et ont promis une version open-source d’ici six mois. Mais le masque est tombé. L’engagement des géants de la tech envers la science ouverte s’arrête exactement là où commence leur monétisation pharmaceutique.

Le saviez-vous ?

  • L’univers connu des protéines a été pratiquement cartographié par AlphaFold 2 en un peu plus d’un an, prédisant plus de 200 millions de structures. Cela aurait pris plus d’un milliard d’années aux scientifiques humains utilisant la cristallographie aux rayons X traditionnelle.
  • L’échec d’un seul médicament en phase 3 des essais cliniques peut anéantir plus d’un milliard de dollars d’investissement du jour au lendemain. En prédisant les échecs dans un ordinateur avant qu’ils n’atteignent une boîte de Petri, l’IA pourrait réduire les coûts de R&D pharmaceutique jusqu’à 30 %.

La fin de l’ère du pipetage

Nous passons d’une biologie en tant que science expérimentale à une biologie en tant que discipline d’ingénierie. Quand vous pouvez simuler avec précision des interactions moléculaires sur un GPU, vous n’avez pas besoin de synthétiser dix mille composés pour en trouver un qui fonctionne. Vous le calculez.

Le prochain médicament à un milliard de dollars ne sera pas découvert dans une éprouvette. Il sera compilé.

Sources

  • DeepMind AlphaFold 3 Paper (Nature, 2024)
  • Tufts Center for the Study of Drug Development : Coût de développement d’un nouveau médicament
  • Communiqués de presse d’Isomorphic Labs et aperçu du pipeline

À lire aussi