Repurposing PeTriBERT for Protein Protein Interaction Prediction with Sequence Structure Fusion

La vie à l'échelle microscopique est un monde de connexions constantes. À l'intérieur de chaque cellule vivante, les protéines agissent comme les ouvriers, les bâtisseurs et les messagers qui font fonctionner la machinerie de la vie. Ces molécules ne sont pas des figures solitaires ; elles travaillent rarement seules. Au contraire, elles doivent trouver des partenaires spécifiques et s'assembler pour former des équipes qui stimulent les réactions chimiques, envoient des signaux ou construisent des structures cellulaires. Ce processus par lequel deux protéines se trouvent et s'attachent est appelé une interaction protéine-protéine. Comprendre exactement quelles protéines s'associent et comment elles le font est crucial pour les scientifiques. Si les chercheurs parviennent à cartographier ces connexions, ils pourront comprendre comment les maladies commencent, pourquoi certains médicaments fonctionnent et comment concevoir de nouveaux médicaments pour réparer les systèmes biologiques défaillants.

Pendant longtemps, déterminer ces partenariats revenait à essayer de résoudre un puzzle auquel il manque des pièces. Les scientifiques pouvaient observer les protéines interagir en laboratoire, mais le processus était lent, coûteux et souvent incomplet. Ces dernières années, l'intelligence artificielle est intervenue pour aider, apprenant à prédire comment les protéines se replient en formes tridimensionnelles. Cette percée a ouvert une nouvelle porte : si nous pouvons prédire la forme d'une protéine, nous pourrions être en mesure de prédire comment elle interagira avec d'autres. Cependant, la forme d'une protéine n'est que la moitié de l'histoire. Sa séquence chimique — l'ordre spécifique de ses blocs de construction — détient également des indices vitaux. Le défi consistait à construire un modèle informatique capable de lire à la fois la séquence et la forme simultanément, en les combinant pour faire une prédiction fiable sur le fait que deux protéines interagiront ou non.

Une équipe de chercheurs en France a franchi une étape importante dans cet effort en créant un nouvel outil appelé PeTriPPI2. Leur travail se concentre sur une stratégie ingénieuse consistant à détourner des modèles d'intelligence artificielle existants pour résoudre un nouveau problème. Ils ont commencé avec deux systèmes puissants, déjà pré-entraînés. Le premier est un modèle qui a lu des millions de séquences de protéines, apprenant le langage de la biologie de la même manière qu'un humain apprend une langue parlée. Le second est un modèle conçu à l'origine pour faire l'opposé de ce qui est habituellement attendu : au lieu de prédire une forme à partir d'une séquence, il a été entraîné pour deviner la séquence qui créerait une forme spécifique. Ce second modèle, connu sous le nom de PeTriBERT, est exceptionnellement doué pour comprendre les règles géométriques qui régissent la façon dont les parties des protéines s'emboîtent dans l'espace tridimensionnel.

Les chercheurs ont réalisé que, bien que PeTriBERT ait été conçu pour une tâche différente, sa compréhension profonde de la géométrie des protéines pourrait être incroyablement utile pour prédire les interactions. Ils ont fusionné ce modèle géométrique avec le modèle de lecture de séquence, créant ainsi un système hybride. Dans leur configuration, les deux protéines à tester sont injectées dans le système de deux manières. Un chemin envoie la séquence brute d'acides aminés à travers le modèle de langage pour capturer les instructions chimiques. L'autre chemin envoie la structure tridimensionnelle des protéines à travers le modèle géométrique. Le système examine ensuite comment ces deux flux d'informations s'alignent. Il cherche à savoir si les instructions chimiques et les formes physiques des deux protéines sont suffisamment compatibles pour former une liaison stable.

Pour tester l'efficacité de cette approche, l'équipe a entraîné son nouveau modèle sur un ensemble massif de données contenant plus de 1,6 million de paires de protéines, dont la moitié interagissaient et l'autre moitié non. Ils ont ensuite mis le modèle à l'épreuve sur un groupe distinct de 2 342 paires de protéines qu'il n'avait jamais vues auparavant. Les résultats ont été probants. Le modèle a correctement identifié les paires interagissantes avec un haut degré de précision, atteignant un score de 0,898. Plus important encore, lorsqu'il affirmait que deux protéines interagiraient, il avait raison 91,7 % du temps. Ce haut niveau de précision signifie que le modèle est très bon pour éviter les fausses alertes, une caractéristique critique pour les chercheurs qui ont besoin de pistes fiables à suivre en laboratoire.

L'étude a également révélé quelque chose d'intéressant sur le fonctionnement du modèle en testant ce qui se passe lorsqu'on en retire certaines parties. Lorsque les chercheurs ont bloqué l'accès du modèle aux informations de séquence, sa capacité à prédire les interactions a chuté de manière significative. Lorsqu'ils ont bloqué les informations structurelles, la précision du modèle est tombée à 0,523 et son score F1 à 0,118, perforant à peine mieux qu'un choix aléatoire. Cela a confirmé que la séquence chimique et la forme physique sont toutes deux essentielles au fonctionnement du système. Le modèle ne se contente pas de mémoriser des motifs ; il utilise réellement la combinaison de ces deux types de données pour prendre ses décisions.

Comparé à d'autres méthodes de pointe, PeTriPPI2 a montré une force distincte. Il était plus précis qu'un modèle hybride similaire appelé SpatialPPIv2, ce qui signifie qu'il commettait moins d'erreurs lorsqu'il prédisait qu'une interaction allait se produire. Cependant, il était légèrement moins sensible, capturant moins d'interactions totales possibles. Cela suggère que PeTriPPI2 opère avec une norme plus stricte, préférant être sûr avant de rendre un verdict. Pour les scientifiques, ce compromis peut être précieux. Dans de nombreux scénarios de recherche, il est préférable d'avoir une liste plus courte de candidats hautement fiables plutôt qu'une longue liste de possibilités incluant de nombreuses fausses pistes.

Ce travail démontre que les modèles d'intelligence artificielle entraînés pour une tâche biologique spécifique peuvent être adaptés avec succès à une autre. En prenant un modèle conçu pour l'ingénierie inverse des formes de protéines et en lui apprenant à reconnaître les interactions, les chercheurs ont montré que la connaissance géométrique sous-jacente est transférable. Bien que le modèle dépende toujours d'une bonne prédiction de la forme de la protéine pour fonctionner, le succès de cette approche suggère que l'avenir de la science des protéines pourrait résider dans ces systèmes hybrides. Ils combinent la vaste connaissance des séquences de protéines avec la logique précise de la géométrie physique, offrant une image plus complète de la manière dont le monde moléculaire se connecte.