Peptide fait partie de ces sujets où les détails comptent plus que les titres. Cette page rassemble le contexte, les mécanismes et les points pratiques les plus consultés.
Cette page a été mise à jour le 2026-01-02 et est revue régulièrement.
AlphaFold est un logiciel d'intelligence artificielle développé par Google DeepMind qui fournit une prédiction de la structure des protéines à partir de leur séquence en acides aminés. En 2018, sa première version se classe en tête du concours Critical Assessment of Protein Structure Prediction (CASP (en)). En 2020, sa seconde version remporte à nouveau le concours avec un niveau de précision salué par le monde scientifique, étant parfois même qualifié de révolutionnaire. Des centaines de milliers de prédiction de structures ainsi que la version AlphaFold 2 du logiciel sont mis en accès libre à partir de 2021. Cette avancée vaut aux développeurs de DeepMind Demis Hassabis et John Jumper de partager avec David Baker le prix Nobel de chimie en 2024. En 2026, AlphaFold ajoute 1,7 million de prédictions de complexes protéiques aux centaines de millions de structures déjà disponibles, permettant de mieux comprendre comment les protéines interagissent et fonctionnent ensemble.
Sources : fr.wikipedia.org
=== Principe === AlphaFold est un logiciel d'intelligence artificielle (IA) qui fait appel à l'apprentissage profond. En 2020, selon John Jumper (chef du développement d'AlphaFold chez DeepMind), interviewé dans la revue Science, AlphaFold associe l'apprentissage profond à un « algorithme d'attention » qui en quelque sorte copie la manière dont un humain assemble les pièces d'un puzzle quand il connecte entre eux de petits amas de pièces préalablement réalisés (un amas représentant ici un petit assemblage d'acides aminés). AlphaFold utilise 128 processeurs d'apprentissage automatique qui ont entraîné cet algorithme sur environ 170 000 structures protéiques déjà connues. L'IA peut ensuite modéliser des protéines constituées de dizaines à des centaines d'acides aminés en tenant compte de ce qu'elle a appris sur la manière dont l'ordre de ces acides aminés dicte la façon très complexe dont « la myriade de poussées et de tractions entre eux donne naissance aux formes 3D complexes des protéines, qui, à leur tour, déterminent leur fonctionnement. La connaissance de ces formes aide les chercheurs à concevoir des médicaments qui peuvent se loger dans les poches et les crevasses des protéines. Il devient alors possible de synthétiser des protéines avec la structure souhaitée, ce qui pourrait ainsi accélérer le développement d'enzymes fabricant des biocarburants ou dégradant les déchets plastiques ».
Sources : fr.wikipedia.org
=== Base de données === En 2021, DeepMind a ouvert une base de données publique de modèles de structure prédits par AlphaFold, pour plus de 365 000 protéines humaines, et de 20 organismes modèles ; prévoyant d'y ajouter plus de 100 millions de protéines issues de diverses espèces. En 2024, cette base contient « des prédictions de structure pour presque toutes les protéines connues ». Elle pourrait révolutionner la chimie et la biochimie computationnelles.
Sources : fr.wikipedia.org
=== Limites d'AlphaFold === Bien que les prédictions d'AlphaFold aient révolutionné la biologie structurale, elles ne sont pas exemptes d'erreurs. Une étude publiée en 2021 dans Nature Methods compare les structures protéiques déterminées expérimentalement via des techniques comme la cristallographie aux rayons X avec les prédictions générées par AlphaFold. Les résultats montrent que, bien que globalement très précises, les prédictions de l'IA présentent de légères déviations par rapport aux structures obtenues expérimentalement. Martin Weigt, professeur en biologie computationnelle à Sorbonne Université, explique que les prédictions d'AlphaFold sont « systématiquement un peu plus éloignées des structures expérimentales, même si ces écarts restent minimes ». Ces petites différences soulignent que la détermination expérimentale des structures reste importante, notamment pour valider ou affiner les prédictions générées par AlphaFold.
Sources : fr.wikipedia.org
Peptide est résumé ici à partir de littérature publique : définition, contexte et points récurrents en pratique. Informations générales, pas un avis médical.
La recherche sur Peptide repose surtout sur des travaux de laboratoire et des modèles animaux ; les données cliniques varient selon la substance.
La pureté et l'analyse (HPLC, spectrométrie de masse), une reconstitution correcte et un stockage adapté sont déterminants.%!(EXTRA string=Peptide)
Tous les mécanismes ne sont pas démontrés et une étude isolée ne fait pas une preuve globale. Les questions ouvertes sont signalées comme telles.%!(EXTRA string=Peptide)