ProtGPS, l’IA qui prédit où les protéines se rendent dans la cellule

Dans une cellule, une protéine ne remplit pas sa mission n’importe où. Certaines doivent gagner le noyau pour agir sur l’expression des gènes, d’autres les mitochondries pour participer au métabolisme. D’autres encore se rassemblent temporairement dans des zones sans membrane. Une équipe du Whitehead Institute for Biological Research et du Computer Science and Artificial Intelligence Laboratory, CSAIL, du MIT présente ProtGPS, un modèle d’intelligence artificielle conçu pour prédire cette destination à partir de la séquence d’une protéine.

L’ambition est importante : comprendre non seulement ce qu’est une protéine ou quelle forme elle adopte, mais aussi où elle agit dans la cellule. Le modèle évalue également l’effet possible de mutations liées à des maladies sur cette localisation. Les chercheurs l’ont notamment appliqué à plus de 200 000 protéines comportant de telles mutations. À terme, ce type d’approche pourrait offrir aux biologistes une manière plus rapide de sélectionner les pistes à vérifier au laboratoire, en particulier dans l’étude de maladies génétiques et dans la conception de thérapies ciblées.

Pourquoi l’adresse d’une protéine est-elle si importante ?

Les protéines sont de longues chaînes d’acides aminés fabriquées par les cellules à partir de l’information génétique. Elles assurent une immense variété de tâches : accélérer des réactions chimiques, transmettre des signaux, transporter des molécules, soutenir l’architecture cellulaire ou participer à la défense contre les infections.

Mais connaître leur séquence, ou même leur structure tridimensionnelle, ne suffit pas toujours à comprendre leur rôle. Leur localisation constitue une information décisive. Une enzyme peut, par exemple, être parfaitement fonctionnelle sur le plan chimique, mais devenir inutile ou délétère si elle se retrouve dans le mauvais compartiment.

La cellule est organisée comme un espace compartimenté. Certains de ces compartiments sont délimités par une membrane, comme le noyau ou les mitochondries. D’autres sont plus changeants : des assemblages de molécules se forment et se dispersent selon les besoins de la cellule, sans frontière membranaire. Cette organisation permet de concentrer des partenaires biologiques au même endroit, de séparer des réactions incompatibles ou de déclencher une réponse rapide à un stress.

Un défaut de localisation peut perturber des interactions entre protéines, désorganiser la signalisation cellulaire ou empêcher une molécule d’atteindre son partenaire habituel. C’est pourquoi la question de l’« adresse » d’une protéine intéresse directement la recherche sur la santé.

Comment ProtGPS lit-il les séquences protéiques ?

ProtGPS repose sur un principe d’apprentissage automatique : le modèle a été entraîné avec des milliers de protéines dont la localisation était connue. Il apprend à établir un lien entre leur séquence d’acides aminés, c’est-à-dire l’ordre des briques qui les composent, et leur destination dans la cellule.

Les séquences protéiques contiennent parfois des motifs jouant le rôle de signaux d’adressage. Ils peuvent indiquer qu’une protéine doit être importée dans un compartiment particulier, rester dans une zone donnée ou interagir avec des partenaires qui l’orienteront. Mais ces règles ne sont pas toujours simples, ni limitées à quelques acides aminés placés à un endroit précis. La destination finale dépend aussi du contexte de la séquence et de propriétés plus diffuses de la protéine.

C’est là que l’apprentissage automatique peut être utile. Au lieu de chercher une seule règle explicite du type « tel motif conduit à tel compartiment », ProtGPS tente de reconnaître dans de grandes quantités de données les combinaisons de signaux associées aux différentes localisations. Selon les travaux présentés, le modèle est capable de prédire la localisation dans douze catégories de compartiments cellulaires.

L’enjeu n’est pas uniquement de classer des protéines déjà bien décrites. La masse des séquences connues augmente beaucoup plus vite que la capacité des laboratoires à caractériser une à une leurs fonctions et leur emplacement. Un outil de prédiction peut donc aider les scientifiques à explorer des protéines moins étudiées et à décider lesquelles méritent des expériences approfondies.

AlphaFold a prédit la forme, ProtGPS s’intéresse à la destination

L’arrivée de ProtGPS s’inscrit dans une évolution plus large de l’IA appliquée à la biologie. Le cas le plus connu est AlphaFold, développé par Google DeepMind, qui a marqué la recherche par ses prédictions de structures tridimensionnelles de protéines à partir de leurs séquences.

Une structure renseigne sur les formes que peut adopter une protéine, les surfaces par lesquelles elle peut interagir avec d’autres molécules et certains indices de son activité. Pourtant, une cellule ne se résume pas à l’addition de structures isolées. Les protéines évoluent dans un environnement mouvant, entrent dans des compartiments, en sortent, se regroupent ou sont retenues dans une région précise.

ProtGPS ne cherche donc pas à remplacer AlphaFold. Les deux démarches répondent à des questions complémentaires : la première porte sur la géométrie moléculaire, l’autre sur l’organisation de la cellule. Réunir à l’avenir des informations sur la séquence, la structure et la localisation pourrait offrir une image plus complète du fonctionnement des protéines.

Les mutations peuvent-elles envoyer une protéine au mauvais endroit ?

Une mutation génétique peut modifier un ou plusieurs acides aminés dans une protéine. Ses conséquences sont variables : elle peut ne rien changer de notable, altérer la stabilité de la protéine, modifier son activité ou perturber ses interactions. Elle peut aussi affecter son adressage cellulaire.

Les chercheurs ont utilisé ProtGPS pour examiner plus de 200 000 protéines présentant des mutations liées à des pathologies. L’objectif était d’identifier les cas dans lesquels une variation de séquence pourrait provoquer un changement de destination. Le résultat important de cette approche est de mettre en évidence que, pour certaines mutations, la mauvaise localisation d’une protéine peut constituer une piste explicative du dysfonctionnement cellulaire.

Cette idée est particulièrement utile car un changement de localisation peut être difficile à repérer par les méthodes classiques. Une protéine mutée peut conserver une apparence générale proche de sa version non mutée, tout en cessant de rejoindre le compartiment où elle doit exercer sa fonction. Le modèle offre alors une manière de signaler ce phénomène comme hypothèse, avant de le confirmer expérimentalement.

Il faut toutefois éviter un raccourci : l’association d’une mutation à une maladie et une prédiction de relocalisation ne prouvent pas, à elles seules, une relation de cause à effet. Une maladie peut résulter de plusieurs mécanismes simultanés. ProtGPS fournit une information supplémentaire, qui doit être interprétée avec les données génétiques, cliniques et biologiques disponibles.

Des prédictions vérifiées par fluorescence dans des cellules

La valeur d’un modèle scientifique dépend de sa confrontation au réel. Les équipes à l’origine de ProtGPS ont donc validé ses résultats par des expériences in vitro. Elles ont comparé, dans des cellules, la localisation de protéines normales et celle de leurs versions mutées.

La fluorescence est une technique particulièrement adaptée à ce type de vérification. En associant un marqueur fluorescent à une protéine, les scientifiques peuvent suivre sa position à l’intérieur de la cellule à l’aide d’un microscope. Ils observent alors si le signal se concentre dans la région attendue, s’il se disperse, ou s’il apparaît dans un compartiment différent.

Ces essais ont confirmé l’efficacité du modèle dans les cas étudiés et renforcent l’hypothèse selon laquelle la désorganisation spatiale des protéines peut contribuer à différentes affections. Cette étape expérimentale est cruciale : elle distingue une simple corrélation repérée dans les données d’un phénomène biologique effectivement observable.

Quelles applications pour les médicaments et les thérapies géniques ?

Les conséquences potentielles concernent d’abord la recherche fondamentale. En facilitant l’étude de la localisation de nombreuses protéines, ProtGPS pourrait aider à mieux cartographier les mécanismes qui organisent les cellules. Cette connaissance est utile pour éclairer les maladies dont l’origine est liée à des mutations, mais aussi pour comprendre comment des protéines interagissent dans des situations normales ou pathologiques.

L’outil ouvre aussi des perspectives en pharmacologie. Un médicament ne doit pas seulement reconnaître une cible : il doit pouvoir interagir avec elle dans le bon contexte cellulaire. Savoir où se situe une protéine peut aider à imaginer des molécules ou des stratégies capables de la rejoindre plus efficacement, et potentiellement de limiter des interactions indésirables ailleurs dans la cellule.

Dans le domaine des biothérapies et de la thérapie génique, la localisation est également un paramètre à ne pas négliger. Introduire ou produire une protéine thérapeutique ne garantit pas qu’elle sera acheminée au bon endroit. Une meilleure compréhension des séquences qui gouvernent cet adressage pourrait aider les chercheurs à concevoir des protéines destinées à des compartiments précis.

Ces applications restent néanmoins des perspectives de recherche. Entre une prédiction convaincante et un médicament utilisable, il faut encore démontrer l’efficacité, la sécurité, la délivrance du traitement dans les tissus concernés et l’absence d’effets non souhaités. ProtGPS peut accélérer les premières étapes de sélection et de compréhension, pas supprimer ces étapes de développement.

Ce qu’il faut surveiller

La suite dépendra de la capacité des chercheurs à élargir ProtGPS à d’autres compartiments et à d’autres mécanismes biologiques. Les cellules diffèrent selon les tissus, l’état de développement, l’environnement ou la maladie : une même protéine peut ne pas être localisée de façon identique dans tous les contextes. Enrichir les données d’entraînement sera donc déterminant pour rendre les prédictions plus pertinentes dans cette diversité.

Il faudra aussi mesurer précisément les limites du modèle : catégories de protéines plus difficiles à prédire, mutations dont les effets échappent à l’analyse, et différences entre les résultats calculés et les observations dans des cellules vivantes. La transparence des données, des méthodes de validation et des marges d’incertitude sera essentielle pour que l’outil soit utilisé de façon rigoureuse.

En février 2025, ProtGPS illustre surtout un changement d’échelle dans la biologie assistée par IA. Après la lecture des séquences et l’exploration des structures, les chercheurs disposent d’un outil pour étudier l’organisation spatiale des protéines. Cette « géographie » cellulaire pourrait devenir une pièce importante du puzzle, à condition que chaque prédiction continue d’être éprouvée au laboratoire.