Les anticorps sont incroyablement utiles. De nombreux médicaments récemment développés reposent sur des anticorps qui se lient à des protéines spécifiques et bloquent leur activité. Ce sont également d’excellents outils de recherche, nous permettant d’identifier les protéines présentes dans les cellules, de purifier les protéines et les cellules, etc. Les anticorps thérapeutiques ont fourni nos premières défenses contre les virus émergents comme Ebola et SARS-CoV-2.

Mais fabriquer des anticorps peut être très pénible, car cela implique d’amener les animaux à fabriquer des anticorps pour nous. Vous devez purifier la protéine à laquelle vous souhaitez que les anticorps adhèrent, l’injecter à un animal et faire en sorte que l’animal produise des anticorps dans le cadre d’une réponse immunitaire. A partir de là, soit on purifie les anticorps, soit on purifie les cellules qui les produisent. Cela prend du temps, ne fonctionne pas toujours et produit parfois des anticorps dotés de propriétés que vous ne recherchez pas.

Mais grâce aux progrès des prédictions protéiques basées sur l’IA, tous ces tracas pourraient devenir inutiles. Un modèle de diffusion récemment développé pour les structures protéiques a été adapté à la production d'anticorps et a permis de concevoir avec succès des anticorps contre les protéines du virus de la grippe.

Fabriquer l'anticorps de votre choix

Les humains (et de nombreux autres mammifères) fabriquent des anticorps qui sont des complexes de quatre protéines composés de deux protéines lourdes et de deux protéines légères. Les protéines lourdes et légères ont des régions constantes, identiques ou similaires parmi tous les anticorps produits. Ils ont également tous deux une région variable, unique à chaque anticorps. C'est la région variable responsable de la reconnaissance des protéines dans les virus et autres agents pathogènes. Certains autres mammifères, comme les chameaux, ignorent les protéines légères et possèdent des anticorps qui sont simplement une paire de protéines lourdes (qui reconnaissent toujours les agents pathogènes via les régions variables des protéines lourdes).

Le corps ne sait pas quelles protéines il devra éventuellement reconnaître. Ainsi, il produit simplement un grand nombre de cellules productrices d’anticorps, chacune avec une combinaison unique de régions variables lourdes et légères. Lorsque l’une de ces cellules rencontre la protéine reconnue par ses anticorps, elle commence à se diviser et à produire une grande partie de l’anticorps nécessaire. Il faut du temps à ces cellules pour mûrir et du temps supplémentaire pour les purifier. De plus, rien ne garantit que la combinaison spécifique de régions variables sera la meilleure pour reconnaître une protéine.

La seule façon d’éviter les tracas et l’incertitude liés au fait qu’un animal génère des anticorps pour nous est de trouver comment concevoir des anticorps qui reconnaîtront ce que nous voulons. Et cela n’a tout simplement pas été possible. Nous ne comprenons pas suffisamment comment les protéines se replient dans une configuration tridimensionnelle pour en concevoir une qui adoptera la forme de notre choix, une configuration qui s'enroule autour d'une cible spécifique.

Nous ne comprenons toujours pas suffisamment pour le faire intentionnellement. Mais ces dernières années, nous avons formé des logiciels d’IA pour prendre une chaîne d’acides aminés et prédire avec précision la structure tridimensionnelle que cette protéine adopterait. Et plus récemment, les gens ont découvert comment les fusionner avec des modèles de diffusion pour créer un logiciel capable de concevoir des protéines qui adopteront une configuration spécifiée.

Il s’avère que cette approche peut être adoptée pour concevoir des anticorps.