Récemment, des chercheurs d’Apple ont présenté une avancée fascinante dans le domaine de la conception des protéines. Intitulé SimpleDesign, ce modèle d’intelligence artificielle vise à générer à la fois des séquences et des structures protéiques de manière intégrée. Un véritable bond en avant pour la biologie computationnelle ! Découvrez les détails de cette innovation prometteuse.
Contexte
En septembre dernier, une étude d’Apple a vu le jour, portant le nom SimpleFold. Ce modèle a révolutionné la manière de prédire la structure tridimensionnelle des protéines à partir de leur séquence d’acides aminés. SimpleFold utilise un modèle de correspondance de flux, permettant de créer la structure 3D directement à partir de la séquence.
Au cœur de cette technique, le modèle part d’une base aléatoire et apprend à naviguer vers un résultat final. Contrairement aux modèles de diffusion qui itèrent jusqu’à éliminer le bruit, SimpleFold se concentre sur un chemin plus direct.
En associant cette méthode de correspondance de flux avec des blocs Transformer, qui sont souvent utilisés dans la génération de texte, Apple a évité certaines des techniques plus coûteuses en calcul habituellement requises par les modèles de pliage de protéines, comme AlphaFold de DeepMind.
Présentation de SimpleDesign
À présent, avec SimpleDesign, les chercheurs désirent étendre cette approche simplifiée à un ensemble plus large de problèmes liés à la conception des protéines. Selon leur étude intitulée “SimpleDesign: A Joint Model for Protein Sequence and Structure Codesign”, cette nouvelle méthode se veut bien moins complexe que ses prédécesseurs.
La plupart des modèles existants se basent sur un processus d’entraînement en plusieurs étapes. SimpleDesign remet en question ce besoin et propose une modélisation efficace directement dans l’espace des données.
En d’autres termes, alors que de nombreux modèles de conception protéique passent par des étapes intermédiaires, SimpleDesign apprend à générer séquences et structures 3D au sein d’un même processus d’entraînement.
Au lieu de former d’abord un modèle pour créer des représentations discrètes des structures protéiques, SimpleDesign utilise des séquences d’acides aminés et des coordonnées 3D en parallèle, évitant ainsi une phase de tokenisation intermédiaire.
Les chercheurs ont utilisé plus de 2 millions de paires de séquences et structures protéiques, en se basant principalement sur le jeu de données AFESM, qui combine des structures prédites par l’AlphaFold Database et d’autres échantillons.
Durant l’entraînement, les chercheurs ont introduit du bruit sur les deux parties de chaque paire de données, cachant aléatoirement des acides aminés et ajoutant du bruit sur la structure 3D.
Cela a permis de tester le modèle dans diverses configurations, lui permettant d’apprendre simultanément les problèmes de repliement et de conception.
Les résultats préliminaires sont encourageants, car SimpleDesign a montré des performances compétitives dans la conception protéique, la génération de structures et de séquences, et ce, tout en suivant une approche d’entraînement plus simple.
Enfin, bien que les résultats restent limités aux évaluations informatiques et n’aient pas encore été éprouvés expérimentalement, l’avenir de SimpleDesign semble prometteur pour la biologie et la recherche en intelligence artificielle.
