Lorsque la COVID-19 est apparue, les scientifiques connaissaient les principales protéines du virus grâce à des décennies de recherches sur les coronavirus et pouvaient concevoir des vaccins en un temps record. Cet avantage pourrait ne pas être disponible lors de futures pandémies.
Pour renforcer cette préparation, NVIDIA a collaboré avec des organismes de recherche du monde entier, dont Google DeepMind et European Molecular Biology Laboratory’s European Bioinformatics Institute (EMBL-EBI), afin de rendre accessibles en libre accès, via AlphaFold Database, les structures 3D prédites des complexes protéiques de plus de 2 800 virus. Les structures ont été générées à l’aide du modèle AlphaFold2 de Google DeepMind, qui prédit le repliement des protéines, et de NVIDIA BioNeMo Inference Runtime. Le système a prédit à grande échelle les groupes de protéines en interaction dans des milliers de protéomes viraux.
NVIDIA a également publié le BioNeMo Structure Prediction Pipeline, accéléré par GPU, qui permet aux chercheurs d’obtenir une structure 3D prédite à partir d’une séquence protéique. Environ 30 % des interactions protéiques ajoutées à la base de données sont totalement nouvelles pour la science ; ces structures n’avaient encore jamais été documentées dans Protein Data Bank.
Selon une analyse du Center for Global Development, la probabilité que le monde soit confronté d’ici 2050 à une pandémie aussi grave que la COVID-19 est d’environ 50 %. Les partenaires du projet cherchent à accumuler à l’avance des connaissances sur les virus susceptibles d’émerger à l’avenir et pour lesquels les connaissances actuelles feraient défaut.
Les complexes protéiques peuvent constituer des cibles pour les vaccins et les médicaments. Alors que la détermination traditionnelle des structures peut prendre des années, AlphaFold2 peut effectuer des prédictions en quelques minutes sur les GPU NVIDIA.
Pourquoi c’est important
Cette ressource vise à permettre aux chercheurs, pendant une épidémie, de consulter une carte des protéines constituée à l’avance plutôt que de repartir de zéro. Pour les équipes qui développent notamment des vaccins et des médicaments, le fait de visualiser ensemble les groupes de protéines en interaction offre un point de départ susceptible d’accélérer l’évaluation des cibles potentielles. Le fait qu’environ un tiers des structures repose sur des informations absentes de la Protein Data Bank montre que l’étude ne se contente pas de compiler les données existantes, mais ouvre également de nouvelles pistes d’examen pour la recherche. La publication ouverte du flux de travail permet en outre à différents chercheurs d’obtenir des structures prédites à partir de séquences protéiques, de sorte que l’utilisation de la ressource ne dépende pas d’une seule institution ; en revanche, la question de savoir lesquelles de ces prédictions seront validées comme cibles de vaccins ou de médicaments reste ouverte.