Des chercheurs, principalement issus du laboratoire du lauréat du prix Nobel David Baker à l’Université de Washington, ont développé des protéines enzymatiques conçues par intelligence artificielle capables de couper les liaisons peptidiques d’autres protéines. Ces travaux s’appuient sur des outils tels que RFdiffusion2 et ProteinMPNN et ont montré que ces modèles pouvaient construire des structures plaçant les acides aminés catalytiques près d’une séquence cible, même lorsque la conception ne ressemblait pas à des protéines connues dans les bases de données.
Les liaisons peptidiques présentent une grande stabilité chimique : leur dégradation spontanée dans l’eau peut prendre des centaines d’années. Les organismes vivants utilisent des enzymes protéases pour accélérer ce processus. Les chercheurs se sont concentrés sur deux mécanismes : une protéase dépendante du zinc et une protéase dépendante de l’acide aminé cystéine. Dans les deux cas, le défi consistait à disposer précisément un petit nombre d’acides aminés au sein d’un centre catalytique capable d’attaquer la liaison ciblée.
Comment les enzymes conçues ont-elles été construites ?
L’équipe est partie de deux structures connues : une protéase à zinc provenant du système digestif du homard et une protéase à cystéine issue de la levure. RFdiffusion2 a été utilisé pour créer l’ossature de la protéine en imposant des contraintes garantissant le rapprochement des acides aminés catalytiques entre eux et avec la séquence à couper. ProteinMPNN a ensuite rempli l’ossature avec des acides aminés compatibles avec le repliement structurel, le site catalytique et l’interaction avec la cible.
Les chercheurs ont conçu 12 ossatures et 69 ensembles d’acides aminés pour le projet de protéase à cystéine, tandis que 135 conceptions ont été testées dans le projet de protéase à zinc. Ils ont utilisé AlphaFold3 pour prédire les structures d’un certain nombre de conceptions et n’ont pas trouvé dans les bases de données de protéines suffisamment similaires pour indiquer que les outils avaient simplement réutilisé des structures connues.
Une activité mesurable, mais un écart avec les enzymes naturelles
L’équipe a testé les conceptions au sein d’une longue protéine réunissant la protéase, la séquence cible et une protéine fluorescente, de sorte que la coupure révèle la réussite de la réaction. Treize conceptions de protéases à cystéine ont fonctionné, soit 19 % des tests, mais leur activité était nettement inférieure à celle de l’enzyme de référence issue de la levure.
Parmi les conceptions de protéases à zinc qui n’avaient pas imposé explicitement comme contrainte la présence de la molécule d’eau nécessaire à la réaction, 14 sur 89 ont montré une faible activité catalytique. L’analyse des conceptions défaillantes a indiqué qu’une molécule d’eau occupait parfois la position nécessaire à la réaction. Lorsque la position de l’eau a été incluse dans la conception, le taux de réussite est passé à 35 conceptions sur 38, tandis que l’activité restait inférieure à celle de l’enzyme naturelle dans la plupart des cas.
Les chercheurs ont amélioré certaines conceptions en remplaçant des acides aminés proches du site actif, mais ne participant pas directement à la catalyse. La meilleure modification dans l’un des projets a accéléré de 109 fois la coupure de la liaison peptidique tout en conservant une forte spécificité pour la séquence cible. La deuxième version de la protéase à zinc était également 30 fois plus active que la conception originale et a accéléré la réaction d’un facteur 1010.
Qu’est-ce que cela signifie pour les applications médicales ?
Dans une expérience finale, les chercheurs ont conçu des protéases à zinc ciblant des protéines liées à la maladie d’Alzheimer et à la démence frontotemporale. L’une d’elles a réussi à couper la cible visée à l’intérieur des cellules. En revanche, la modification d’une conception existante pour cibler une nouvelle séquence n’a pas donné de bons résultats, ce qui a conduit l’équipe à reprendre le processus de conception depuis le début.
Ces résultats montrent que cette méthode pourrait être utilisée pour cibler des protéines anormales liées à certaines maladies, mais ils ne constituent pas un traitement prêt à l’emploi. L’acheminement des protéines vers le site approprié est difficile et elles pourraient déclencher une réponse immunitaire. Si la cible se trouve à l’intérieur de la cellule, il pourrait être nécessaire d’y acheminer le gène codant la protéase vers les cellules concernées, ce qui représente un défi supplémentaire.
Limites de la conception par intelligence artificielle
Les expériences montrent que les outils de conception actuels sont performants pour respecter les contraintes géométriques et structurelles : replier la protéine selon la forme souhaitée, rapprocher les acides aminés catalytiques et se lier à une séquence précise. Mais ils ne garantissent pas à eux seuls les détails fins nécessaires à une activité enzymatique élevée. Certaines conceptions étaient approximativement correctes sur le plan structurel, mais réagissaient faiblement ; de petites mutations ont ensuite fortement amélioré leur activité.
L’enseignement essentiel est que la conception de protéines par intelligence artificielle a dépassé le stade de la proposition de structures théoriques pour produire des enzymes qui agissent effectivement sur des cibles précises. Toutefois, l’écart entre la structure et l’activité, ainsi que les difficultés d’acheminement dans l’organisme, limitent encore le passage aux applications thérapeutiques. Les résultats ont été publiés dans la revue Nature sous les identifiants numériques 10.1038/s41586-026-11143-w et 10.1038/s41586-026-11167-2.