Une IA prédit où se trouvent presque toutes les protéines d’une cellule humaine

Dans une cellule humaine, la bonne protéine au bon endroit n’est pas un détail d’organisation : c’est souvent une condition essentielle à son fonctionnement. Une protéine chargée de transmettre un signal, de réparer un dommage ou d’assurer une tâche métabolique ne joue pas le même rôle selon qu’elle se trouve dans le noyau, dans un compartiment cellulaire ou à proximité d’une membrane. Comprendre cette géographie minuscule est donc un enjeu majeur de la biologie, mais aussi un travail longtemps resté lent et incomplet.

Au 15 mai 2025, des chercheurs affiliés au MIT, à l’Université Harvard et au Broad Institute présentent une approche fondée sur l’intelligence artificielle pour anticiper la localisation de presque toutes les protéines d’une cellule humaine. Leur modèle, nommé PUPS, ne remplace pas l’observation expérimentale. Il propose en revanche une manière de combler, par la prédiction, les vastes zones encore inexplorées des cartes cellulaires.

Cette ambition intéresse directement la recherche sur des maladies complexes, dont la maladie d’Alzheimer, la fibrose kystique et certains cancers. Lorsqu’une protéine est absente de son emplacement habituel, s’accumule au mauvais endroit ou change de localisation après un traitement, ce déplacement peut renseigner sur le mécanisme d’une maladie ou sur la réponse d’une cellule à un médicament.

Pourquoi la position d’une protéine est-elle si importante ?

Les protéines sont les grandes exécutantes de la cellule. Elles assurent des fonctions très diverses : elles participent à la construction des structures cellulaires, régulent l’activité des gènes, transportent des molécules ou encore transmettent des informations entre différents éléments de la cellule. Mais leur séquence d’acides aminés ne suffit pas à décrire entièrement leur rôle. Leur emplacement compte aussi.

Une même protéine peut ainsi adopter un comportement différent selon le type cellulaire observé et son état. Une cellule soumise à un stress, atteinte par une maladie ou exposée à un traitement ne présente pas forcément la même organisation interne qu’une cellule en bonne santé. C’est précisément cette variation qui rend la localisation des protéines intéressante, mais difficile à mesurer systématiquement.

Le défi est d’ampleur. Selon les chercheurs, une cellule humaine abrite environ 70 000 protéines différentes. Étudier chacune d’elles, dans de nombreux types cellulaires et dans diverses conditions, par des expériences traditionnelles représenterait un travail coûteux et très long.

Une carte de référence encore très incomplète

Les biologistes disposent déjà de ressources précieuses pour documenter l’emplacement des protéines. Le Human Protein Atlas, par exemple, recense le comportement subcellulaire de plus de 13 000 protéines dans plus de 40 lignées cellulaires. Une lignée cellulaire désigne ici des cellules cultivées en laboratoire, utilisées comme modèle pour mener des expériences reproductibles.

Cette base de données est considérable, mais elle illustre aussi l’étendue du problème. Les chercheurs estiment qu’elle n’a exploré qu’environ 0,25 % des possibilités d’appariement entre protéines et lignées cellulaires. Autrement dit, même une grande base expérimentale ne peut pas mesurer toutes les combinaisons imaginables.

C’est dans cet espace entre les observations disponibles et les combinaisons manquantes que se place PUPS. Son objectif n’est pas de prétendre que chaque prédiction équivaut à une preuve biologique, mais d’exploiter les données déjà collectées pour proposer des hypothèses précises là où une expérience n’a pas encore été réalisée.

Comment fonctionne le modèle PUPS ?

PUPS repose sur deux composantes complémentaires. La première s’appuie sur un modèle de séquence protéique. Il analyse les propriétés de la protéine qui peuvent déterminer sa localisation, ainsi que sa structure en trois dimensions. Les protéines ne sont pas de simples chaînes linéaires : leur forme dans l’espace influe sur leur capacité à interagir avec d’autres molécules et sur leur comportement dans l’environnement cellulaire.

La seconde composante est un modèle de reconstruction d’image. Il s’appuie sur trois images de colorations cellulaires pour compléter des informations manquantes. Ces images apportent un contexte indispensable : elles permettent au système d’évaluer l’état de la cellule, certaines de ses caractéristiques et les éventuels stress auxquels elle est exposée.

L’intérêt de cette combinaison est de relier deux niveaux d’information qui sont habituellement étudiés séparément. D’un côté, PUPS examine ce qu’est la protéine, à partir de sa séquence et de sa structure. De l’autre, il prend en compte le lieu où elle doit être cherchée, c’est-à-dire une cellule concrète avec son organisation propre.

L’utilisateur fournit donc la séquence d’acides aminés de la protéine et les images de coloration de la cellule. Le modèle effectue ensuite l’analyse de localisation. Cette approche vise une prédiction à l’échelle de la cellule individuelle, plutôt qu’une estimation moyenne sur un ensemble de cellules.

Un entraînement conçu pour mieux comprendre les compartiments cellulaires

Pour entraîner PUPS, les chercheurs ne se sont pas limités à demander au modèle de deviner une position. Ils lui ont aussi confié une tâche secondaire : nommer le compartiment de localisation de la protéine. Cette étape supplémentaire aide le système à mieux apprendre la logique de compartimentation de la cellule.

Le principe est comparable à un apprentissage renforcé par un exercice connexe. En plus de produire une réponse, le modèle doit reconnaître la catégorie d’espace cellulaire concernée. Cette contrainte l’encourage à s’appuyer sur des repères biologiques plus structurés plutôt que sur de simples corrélations dans les données d’entraînement.

Les chercheurs ont ensuite testé le modèle dans une situation exigeante : prédire la localisation subcellulaire de nouvelles protéines dans des lignées cellulaires qu’il ne connaissait pas. Les prédictions ont été confrontées à des expériences menées en laboratoire. D’après leurs résultats, PUPS affiche un taux d’erreur inférieur à celui des méthodes d’IA de référence.

Le résultat important n’est donc pas seulement la capacité à reproduire des observations déjà présentes dans une base de données. Il concerne la généralisation : le modèle doit rester utile lorsqu’il rencontre une protéine ou une lignée cellulaire absente de son entraînement.

Ce que PUPS peut changer dans la recherche médicale

La première application possible est de mieux prioriser les expériences. Au lieu d’examiner au hasard des milliers de pistes en laboratoire, des équipes de recherche pourraient utiliser les prédictions pour sélectionner les protéines, les types cellulaires ou les conditions qui méritent une vérification expérimentale. Ce filtrage informatique, souvent appelé criblage virtuel, ne remplace pas les tests pratiques, mais il peut en améliorer le ciblage.

La précision cellule par cellule ouvre aussi une perspective importante pour l’étude du cancer. Les chercheurs évoquent la possibilité d’identifier où se trouve une protéine dans des cellules cancéreuses spécifiques après un traitement. Dans un même échantillon, toutes les cellules tumorales ne répondent pas nécessairement de manière identique. Observer ou prédire leurs différences de localisation protéique pourrait aider à formuler de nouvelles questions sur les mécanismes de résistance ou de réponse aux traitements.

La même prudence s’applique aux promesses de diagnostic et de découverte de médicaments. PUPS n’est pas présenté comme un outil médical directement utilisable auprès des patients. Son apport potentiel se situe en amont : il peut aider à interpréter des phénomènes cellulaires, à identifier des cibles à étudier et à accélérer certaines étapes de la recherche clinique.

Pour des maladies comme Alzheimer, la fibrose kystique ou certains cancers, connaître l’emplacement d’une protéine peut éclairer son état fonctionnel. Mais une localisation prédite reste une hypothèse scientifique à confirmer. Entre une prédiction prometteuse et un traitement, il faut encore des expériences indépendantes, une compréhension du mécanisme biologique et des études adaptées.

Les limites à garder en tête

La force de PUPS dépend des données sur lesquelles il a appris. Les jeux de données rassemblent des milliers de protéines et de localisations observées, mais ils ne couvrent pas toutes les situations biologiques possibles. Le passage à des protéines inédites ou à des types cellulaires peu représentés reste donc une difficulté centrale, même si les validations décrites montrent que le modèle peut déjà généraliser dans certains cas.

Autre limite importante : les travaux s’appuient sur des cellules cultivées. Or une cellule isolée en laboratoire ne reproduit pas toute la complexité d’un tissu humain vivant, où différentes cellules interagissent, reçoivent des signaux et évoluent dans un environnement biologique beaucoup plus riche.

Il faut enfin distinguer rapidité de prédiction et certitude scientifique. L’IA peut proposer très vite des localisations plausibles. Elle ne dispense pas les chercheurs d’observer les cellules, de reproduire les résultats et d’expliquer pourquoi une protéine se trouve à un endroit plutôt qu’à un autre.

Ce qu’il faut surveiller

Les équipes à l’origine de PUPS envisagent plusieurs évolutions. Elles souhaitent perfectionner le modèle afin qu’il puisse étudier les interactions entre protéines et produire des prédictions concernant plusieurs protéines au sein d’une même cellule. Cette étape serait importante, car les protéines agissent rarement seules : elles forment souvent des réseaux et des complexes dont la localisation peut être déterminante.

L’ambition de plus long terme est de dépasser le cadre des cellules cultivées pour réaliser des prédictions dans des tissus humains vivants. Ce changement d’échelle poserait des défis considérables, mais il rapprocherait l’outil des conditions biologiques réelles.

Le projet bénéficie du soutien du Eric et Wendy Schmidt Center, des National Institutes of Health et d’autres fondations de recherche. À ce stade, sa promesse tient moins à une réponse définitive sur chaque protéine qu’à une nouvelle façon de naviguer dans une immense carte biologique encore largement incomplète : utiliser l’IA pour décider plus intelligemment où regarder, puis laisser l’expérience confirmer ce que le modèle a anticipé.