🧬 Santé & longévité

AlphaFold : protéines, interactions et limites des prédictions

Modèle de protéine confronté à une mesure expérimentale
Modèle de protéine confronté à une mesure expérimentale — schéma explicatif, sans photographie de produit.

AlphaFold prédit des structures biomoléculaires ; il ne délivre pas directement un diagnostic ni une autorisation de médicament. Sa valeur scientifique vient de la qualité des prédictions et de leur emploi dans une expérience ou une décision contrôlée.

AlphaFold 3 a été publié en mai 2024. Des travaux ultérieurs, dont une étude de 2026 guidée par des mesures, examinent comment représenter des états que la prédiction seule décrit imparfaitement. Le sujet évolue donc, mais une structure convaincante reste une hypothèse à tester quand la question biologique l’exige.

Ce qu’AlphaFold 3 étend

La publication originale traite les interactions entre protéines et d’autres molécules, dont les acides nucléiques et certains ligands. L’extension est importante pour étudier des complexes plutôt qu’une protéine isolée.

Une prédiction peut aider à choisir une mutation, proposer une interaction ou préparer une expérience. Elle doit être accompagnée de ses indicateurs de confiance et de la connaissance du domaine. La qualité moyenne d’un benchmark ne garantit pas celle d’un cas nouveau.

Structure, mouvement et fonction

Une molécule peut adopter plusieurs conformations. Une image statique ne décrit pas toute sa dynamique, son environnement ou son activité. Lier une molécule à une protéine ne suffit pas non plus à conclure à un effet thérapeutique.

Le travail de 2026 sur les ensembles guidés par l’expérience examine cette difficulté : une prédiction dominante peut manquer l’hétérogénéité observée. Le résultat rappelle l’intérêt d’associer données expérimentales et modèles plutôt que de substituer une belle structure à une mesure.

Pourquoi un benchmark indépendant compte

FoldBench évalue des prédictions de complexes biomoléculaires. Des cas externes, différentes familles de molécules et des critères adaptés permettent de repérer les forces et limites d’une méthode.

Pour une application, il faut vérifier la proximité du cas avec les données d’entraînement et les comparaisons disponibles. Des résultats sur une famille de complexes ne doivent pas être transférés sans test à tous les récepteurs, ligands ou modifications chimiques.

AlphaFold et AlphaGenome ont des intentions distinctes

AlphaFold concerne les structures et interactions biomoléculaires. AlphaGenome Atlas traite des effets associés à des variants et séquences d’ADN. Nous conservons deux pages principales : ni le même problème ni la même validation.

Le dossier SynthID Bio traite encore une autre question, la traçabilité de séquences. Identifier une origine ou un modèle ne démontre pas la sécurité d’une protéine.

Découverte de médicament : où intervient la prédiction ?

Un modèle structural peut aider à formuler un mécanisme ou à hiérarchiser des expériences. Le candidat doit encore être synthétisé, testé, évalué pour sa toxicité et étudié chez l’humain selon le programme prévu.

Le rentosertib fournit un cas de développement assisté par IA avec un essai humain documenté. Les laboratoires autonomes expliquent comment une hypothèse numérique peut conduire à des mesures physiques. Aucun de ces résultats n’autorise à attribuer une réussite clinique à AlphaFold sans preuve spécifique.

Applications robotiques et industrielles

Les protéines et enzymes peuvent intéresser des biomatériaux, des catalyseurs, des capteurs ou des procédés. Un robot de laboratoire peut préparer et mesurer des expériences, mais le lien entre une prédiction et un composant industriel doit être démontré.

DÉMONTRÉ : résultats de benchmark et expériences définis dans les publications. EXPÉRIMENTAL : transfert à un nouveau système. ANNONCÉ : nouveaux services et fonctionnalités. POTENTIEL : bénéfices industriels ou médicaux qui n’ont pas encore leur validation.

Le bénéfice économique plausible est de mieux choisir les expériences et réduire certaines étapes d’analyse. Il dépend du cas et de la qualité des mesures. Il n’existe pas de calendrier universel pour transformer toute prédiction en traitement ou composant. Le dossier est scientifique et ne constitue pas un conseil médical.

Continuer la lecture

Revenir au pilier Technologies du futur pour suivre les trois clusters et leurs niveaux de preuve.

✔ Comment nous avons vérifié

Sources primaires et statut des résultats vérifiés le 4 octobre 2026. Dates des études et annonces distinguées de la date de ce dossier. Démonstration, expérience, annonce et potentiel sont explicités ; aucune échéance industrielle ou clinique garantie.

Informations vérifiées à la date de publication ou de mise à jour indiquée. La technologie évolue vite — consultez les sources ci-dessous.

Sources

  1. AlphaFold 3 : interactions biomoléculaires — 8 mai 2024 — Nature / Abramson et collaborateurs
  2. AlphaFold 3 guidé par des expériences — 2026 — Nature Biotechnology
  3. FoldBench : évaluation des complexes biomoléculaires — 2025 — Nature Communications

À lire aussi

🧬 Santé & longévité

AlphaGenome Atlas : 9 milliards de variants ADN

Annoncé le 8 septembre 2026, AlphaGenome Atlas rassemble des prédictions pré-calculées pour environ 9 milliards de substitutions d’une lettre dans le…

4 octobre 2026 2 min de lecture
🧬 Santé & longévité

Codex et antimicrobiens : du candidat au médicament

Un cas présenté par OpenAI le 10 septembre 2026 décrit le laboratoire de César de la Fuente, qui explore des données génomiques pour rechercher des…

4 octobre 2026 2 min de lecture
🧬 Santé & longévité

SynthID Bio : tracer les protéines conçues par IA

Le 30 septembre 2026, Google DeepMind a présenté SynthID Bio, une preuve de concept pour reconnaître des protéines conçues avec l’IA. Le travail décrit un…

4 octobre 2026 2 min de lecture