Le modèle ProtoBind-Diff, développé par la biotech singapourienne Gero, représente une avancée significative dans le domaine de la découverte de médicaments, en particulier dans le contexte de la biologie du vieillissement. Contrairement aux plateformes de conception de médicaments qui s’appuient sur des données structurelles 3D, ProtoBind-Diff est entièrement basé sur des séquences de protéines et des informations sur les ligands. En utilisant des paires actives de protéines et de ligands et des embeddings pré-entraînés, ce modèle apprend à générer des molécules en se basant uniquement sur la séquence primaire, ce qui lui permet de cibler des protéines « orphelines » ou pour lesquelles les données structurelles sont absentes ou peu fiables. Cela ouvre de nouvelles possibilités pour la conception de molécules dans des zones biologiques mal comprises, en particulier dans le contexte du vieillissement, où la tractabilité des cibles est souvent limitée. Peter Fedichev, CEO de Gero, souligne que la complexité des interactions entre les protéines et les molécules a longtemps posé des défis, mais que ProtoBind-Diff exploite le langage biochimique déjà optimisé par l’évolution. En intégrant un modèle de diffusion masqué, le système produit des chaînes SMILES, qui sont des représentations textuelles des composés chimiques, tout en apprenant à associer le contexte de la séquence à des caractéristiques de ligands chimiquement significatives. ProtoBind-Diff est particulièrement pertinent pour identifier des ligands ciblant des protéines liées à l’inflammation, au métabolisme et à la régulation épigénétique, des domaines cruciaux pour comprendre les mécanismes du vieillissement. Les premiers résultats montrent que ProtoBind-Diff surpasse certains modèles basés sur la structure, offrant ainsi une méthode plus rapide pour générer des sondes moléculaires et tester des hypothèses biologiques, même sans données structurales précises. Gero envisage de partager les poids et l’interface du modèle, favorisant ainsi une approche collaborative dans un domaine souvent dominé par des plateformes propriétaires. À l’avenir, le succès de ProtoBind-Diff dépendra de ses performances dans des applications réelles, mais il semble déjà répondre à un besoin urgent dans la biologie du vieillissement : une méthode rapide pour passer de la séquence à l’hypothèse, même sans structure. Source : https://longevity.technology/news/gero-unveils-ai-model-for-small-molecule-design-without-structure/
ProtoBind-Diff : Une Révolution dans la Découverte de Médicaments Basée sur la Séquence Protéique
