Bio-Tremplins : un volet de Jump-To-Science focalisé sur les changements de la biologie et son enseignement.
Pour développer et maintenir vivant le lien entre la recherche et l'enseignement. Des éclairages sur l'actualité scientifique , comme un tremplin vers la source de l'information scientifique
De magnifiques conférences sur un thème éternel
: les 5 éléments
Chaque année le colloque Wright invite des
conférencier.e.s d'exception sur un thème; cette année "un regard
décalé et kaléidoscopique sur notre planète"
Allez-y assez tôt c'est en général plein bien avant l'heure !
Pour les jeunes
Comme à chaque édition, les jeunes sont à
l’honneur le mercredi. Une rencontre informelle est prévue la
journée entre les jeunes et les conférencières et conférenciers du
Colloque, favorisant une interaction privilégiée.
Cette année cette rencontre aura lieu le mercredi matin à la
Faculté des sciences de l’Université de Genève, et sera suivie,
après une pause sustentatrice, de visites des Scopes :
laboratoires publics de l’UNIGE.
La rencontre est réservée aux jeunes entre 14 à 20 ans, sur
inscription. Le programme détaillé sera communiqué aux personnes
inscrites. Pour toute information et les inscriptions à la
rencontre pour les jeunes : Dorothée.Dumoulin@unige.ch
+41 22 379 73 92
Conférences 2022
7 - 11 nov 18h30 - Uni Dufour
Introduction
Dans l’antiquité grecque, mais probablement ailleurs et à
d’autres époques, les humains se sont demandés dans quelle
mesure il était possible de décomposer les objets, naturels ou
non, en éléments primordiaux. Une de ces décompositions
proposait que la terre, l’eau, le feu et l’air soient les quatre
éléments dont tout est construit, un cinquième élément semblait
cependant nécessaire pour compléter le tableau, la vie.
Le Colloque Wright 2022 reprend ces cinq éléments pour proposer
un regard décalé et kaléidoscopique sur notre planète, la Terre.
Chacun des éléments, que les anciens considéraient comme
fondamentaux, participe de la structure de notre environnement.
Chacun est familier et pourtant chacun recèle une richesse que
la science des dernières années nous permet de mieux
appréhender. Tous sont profondément interconnectés. La
compréhension de la nature de ces éléments est essentielle pour
appréhender notre environnement, pour nous permettre de mieux
jauger l’action humaine sur la planète et donc pour mieux la
préserver.
La terre : les montagnes et les continents nous semblent
immuables, et pourtant ils évoluent sous l’influence des
mouvements sous-jacents, mais aussi sous l’influence de l’air et
de l’eau. Le feu : les volcans façonnent la surface de la terre,
ils contribuent à recycler les éléments chimiques entre la
croûte terrestre et l’atmosphère, un cycle indispensable à la
vie. L’eau: les océans ne sont pas calme et volupté sous leur
surface, mais sont la scène de mouvements à toutes les échelles.
Ces mouvements sont essentiels à la répartition de la chaleur et
des éléments chimiques. L’air: n’est pas seulement oxygène, gaz
carbonique et azote, mais il contient aussi de fines particules
solides, les aérosols, provenant de la terre et les océans qui
jouent un rôle majeur dans la formation des nuages par exemple.
La vie : son origine, sa nature même, nous échappe encore et
pourtant, nous sommes bien vivants ici. (source : colloque
Wright)
1)La Physique Resonne Le Geneva Brass
s’associe au physicien Prof. Dirk van der Marel pour vous proposer un
concert-conférence autour de la physique de la musique (flyer en
annexe)
“La physique résonne” aura lieu le mardi 1er novembre 2022 - 20H, à
l’Auditoire U300 de l’Uni Dufour de Genève
Physicien·ne·s et mélomanes bienvenu·e·s !
Artistes
Geneva Brass Invité : Professeur Dirk van
der Marel, physicien, Faculté des Sciences, Université de
Genève
Une résonance, c’est quoi? Comment le
son se propage-t-il dans l’air?
Le Geneva Brass compte parmi
ses membres deux informaticiens chevronnés. C’est donc tout
naturellement que l’idée d’un projet commun entre physique
et musique a germé, afin de proposer un concert- conférence
autour de la physique de la musique avec le professeur Dirk
van der Marel, physicien réputé de l’Université de
Genève. Cette association vise
à la fois à permettre au physiciens, étudiants ou savants
en herbe d’avoir une démonstration en live de concepts
physiques appliqués au son, ainsi qu’à un public de
curieux et de mélomanes de profiter d’une vulgarisation
scientifique de concepts tels que:
Qu’est-ce qui fait qu’un accord est
consonant ou dissonant? Pourquoi un piano ou un orgue ne
peut être que désaccordé? Le son d’un cor des alpes
est-il plus aigu ou plus grave au sommet du Cervin?
à venir 5 mars 11h aula du centre
Geisendorf « Le Gang des Cuivres» concert familial dès 6
ans, avec l’ensemble SONUS BRASS
Introduit par Michel Mayor Les premières traces de vie sur
Terre par Prof. Marin Carbonne
2) Centre de la Vie dans l'Univers (CVU, https://www.unige.ch/sciences/cvu/)
Le Centre de la Vie dans l’Univers a été créé
il y a un an. Son objectif majeur est de mener des
recherches interdisciplinaires sur le thème de la vie, de ses
origines et de sa distribution dans notre univers.
Pour le premier séminaire officiel du CVU, la Prof.
Johanna Marin Carbonne de l'Université de Lausanne parlera de
La recherche des premières traces de vie sur Terre et de son
implication sur l'astrobiologie.
Il y aura aussi une courte introduction faite par le
prof, Michel Mayor.
Le séminaire aura lieu le vendredi 28 octobre à
14h dans la salle CV001 du bâtiment Carl Vogt.
3) Une arbalète bactérienne : nanomachine vielle de millions
d'années !
Certaines bactéries, en particulier les pathogènes, sont armées d’un
système qui fonctionne comme une arbalète et qui leur permet
d’éliminer les autres microbes avec lesquelles elles sont en
compétition. Elles peuvent aussi s’en servir pour attaquer des
cellules eucaryotes telles que amibes et macrophages.
Certaines des maladies les plus dévastatrices au niveau mondial comme
la pneumonie, le choléra, le tétanos ou la syphilis sont causées par
des infections bactériennes. La plupart des organismes possèdent
néanmoins des mécanismes de défense pour parer à ces invasions
bactériennes à l’instar des cellules de notre système immunitaire qui
attaquent les micro-organismes inconnus et potentiellement menaçants.
Mais les bactéries peuvent attaquer ce système de défense grâce à des
systèmes de sécrétion : les complexes multiprotéiques (c.-à-d. des
complexes composés de plusieurs protéines) permettant aux bactéries
d’injecter des protéines effectrices toxiques dans les cellules cibles
pour les tuer. (source
epfl)
Desfosses,& al. (2019) révèlent la structure de
l'ensemble de cette nanomachine chez Serratia entomophila, un
biopesticide
encourage le lecteur à
aller vérifier dans l’article d’origine : ici
Fig 1: a, Structure composite de
l"arbalète", montrant son organisation globale à l'état étendu
[img].
Source :Desfosses,& al. (2019)
Desfosses, A., Venugopal, H., Joshi, T., Felix,
J., Jessop, M., Jeong, H., Hyun, J., Heymann, J. B., Hurst, M. R.
H., Gutsche, I., & Mitra, A. K. (2019). Atomic structures of an
entire contractile injection system in both the extended and
contracted states. Nature Microbiology, 4(11), Art.
11. https://doi.org/10.1038/s41564-019-0530-6
Les derniers relevés scientifiques de la Commission internationale pour la protection des eaux du Léman (CIPEL) montrent que le brassage des eaux du Léman a eu lieu jusqu'à 130 mètres de profondeur. Cela fait 10 ans qu'un brassage complet n'a pas eu lieu. Le fond du lac se réchauffe et la teneur en oxygène au fond du lac est faible, ce qui peut entraîner des conséquences néfastes sur l'état de santé du lac.CIPEL. (2022)
Dans les ouvrages scolaires, on présente un cycle annuel où les températures étant homogènes sur toute la profondeur en automne et au printemps , les vents produisent une grand brassage jusqu'en profondeur. Ce brassage apporte de l'oxygène jusqu'au fond, ce qui permet une décomposition aérobie. EN hiver le lac serait gelé et en été l'eau chaud en surface, moins dense ne permet pas ce brassage. Or le lac Léman (Léman tout court pour les puristes) ne gèle pas en hiver et la froidure de l'hiver n'atteint que rarement les profondeurs. C'est ce dont nous avertissent les spécialistes de la Commission internationale pour la protection des eaux du Léman (CIPEL). encourage le lecteur à aller vérifier dans l'article d'origine : ici
Fig 1: Gauche: schéma classique de brassage (turnover) d'un lac à l'automne (Glen lake association), Droite : les températures le long d'une ligne Genève - Villeneuve en date du 14 octobre 2022 : pas de brassage [img]. Source : Meteolakes
Dans un communiqué de presse, ils expliquent En hiver, la différence de température entre la surface et le fond du lac situé à 309 mètres de profondeur, est au plus bas. C'est uniquement à cette période de l'année que les eaux de surface et les eaux profondes peuvent se mélanger sous l'effet du froid et du vent. Ce mélange, appelé « brassage hivernal », est caractérisé par la profondeur de brassage qui sépare la couche de surface mélangée et la couche du fond qui ne s'est pas mélangée avec les eaux de surface. La profondeur de brassage peut être différente chaque année. Plus l'hiver est rigoureux, plus la profondeur de brassage se rapproche du fond du lac.
Cet hiver, la profondeur de brassage a été estimée à 130 m, ce qui signifie que les eaux situées entre 130 m de profondeur et le fond du lac à 309 mètres, ne se sont pas mélangées avec les eaux de surface. C'est la 10ème année consécutive que le brassage hivernal n'a pas atteint le fond du lac. Le dernier brassage complet remonte à l'hiver rigoureux de 2011/2012. Cet hiver-là, la température de l'eau et la teneur en oxygène s'est homogénéisée entre le fond du lac et sa surface, ce qui refroidit et réoxygéna le fond du lac.
La répétition de brassages incomplets ces dix dernières années a entraîné une augmentation de la température au fond du lac (+1,1 °C depuis 2012) et une diminution de la teneur en oxygène (voir l'encart à droite). Le réchauffement du fond du lac et sa désoxygénation représentent un risque d'asphyxie pour les organismes vivants en profondeur.
Le déficit en oxygène au fond du lac entraîne le transfert du phosphore contenu dans les sédiments du lac vers les eaux du fond du lac. En l'absence de brassage complet, ce phosphore s'accumule dans le fond du lac. En cas de brassage complet, le phosphore, qui s'est accumulé au fond du lac, serait remobilisé en surface et favoriserait la prolifération des algues, ce qui pourrait nuire à la baignade et à l'alimentation en eau potable. Dans ces conditions, nous devons continuer à diminuer nos apports en phosphore au lac, qui proviennent essentiellement des eaux usées domestiques. Nous devons aussi poursuivre les efforts effectués depuis plus de 50 ans dans le domaine de l'assainissement en maintenant de bons rendements d'épuration dans les stations d'épuration et en améliorant les réseaux d'assainissement. encourage le lecteur à aller vérifier dans l'article d'origine : ici
Des données scientifiques pour illustrer ses cours ou pour des TP avec les élèves
Un site de l'EAWAG propose sur un site - Meteolakes- des données - notamment - sur la concentration température, la concentration d'Oxygène, pour chaque semaine depuis 2009. Ils proposent des transects, notamment de Genève à Villeneuve le long d'une ligne médiane (cf. figure 1), et des cartes pour la surface ( cf figure 2). Ils indiquent comment ils couplent leurs données pour nourrir les modèles ici
Oxygène
En cliquant en bas de la pageMeteolakes Water Quality Model, on peut faire apparaitre une transect de la concentration d'Oxygène : on y voit que même en hiver janvier (2018) l'oxygène de surface n'atteint pas le fond.
Fig 3: l'oxygène de surface - semaine du 8 janvier (2018) n'atteint pas le fond. [img]. Source : Meteolakes
Ces données authentiques permettent de nombreuses activités. Par exemple partir du schéma dans un ouvrage classique ( fig 1 gauche) et voir si le savoir transposé correspond à la réalité du Léman. Ou leur faire trouver les variations de température et d'Oxygène pour élaborer des hypothèses sur ce qui se passe pour les décomposeurs aérobies et anaérobies au fond du lac quand la masse des algues y est descendue.
Température
La température de surface intéressera les baigneurs - notamment pour la coupe de Noël. On y voit bien sur Meteolakes l'effet du vent - d'ouest comme sur la figure 2, il pousse l'eau un peu plus chaude en surface vers Villeneuve, par bise (modérée) c'est plutôt Genève qui reçoit l'eau plus chaude. Si le vent est fort cet effet disparait par brassage des couches supérieures - mais hélas pas jusqu'au fond.
Fig 3: les températures de surface montrent bien l'effet du vent [img]. Source : Meteolakes
The link above provides an example on how to retrieve data with the following caracteristics:
Lake Geneva Center of the lake (in CH1903): 534'700, 144'950 Water temperature From 15-09-2018 18:00 (1537034400000) to 24-09-2018 06:00 (1537768800000) At 20 meters depth
Bouffard, D. (PI) (2022). The online platform for monitoring
and forecasting the bio-physical state of Swiss lakes.
[Produciton projet ESA]. Meteolakes. http://meteolakes.ch/#!/about
Le site Il était une fois l'ADN (DNAFTB) était très utilisé par les enseignants.tes du secondaire, mais la disparition du système Flash l'a écarté de nos configurations.
L'Université de Genève avait fait la traduction française du travail remarquable du Dolan DNA Learning Center, Cold Spring Harbor Laboratory http://www.dnaftb.org/. Ils l'ont récemment mis à jour pour les ordinateurs actuel.
Or, Daniel Scherly et Laurent Roux viennent de fair le nécessaire pour la version française (les animations Flash émulées avec RUFFLE), les liens ont été contrôlés pour qu'ils soient à jour quand cela a été possible… MERCI à EUX !!!
41 concepts, des animations, des questions et problèmes
Le site s'organise autour de 41 concepts accessibles sur la droite et pour chacun une description du concept, des animations, des ressources multimédia, des problèmes et des liens
Prédire la structure d'une protéine à partir de sa séquence, puis déterminer la séquence d'une protéine qui aura la forme et la fonction désirée
En quelques mois une des grandes questions en biologie obtient une réponse: des chercheurs ont développé AlphaFold un système d'Intelligence Artificielle (IA) capable de prédire avec précision les formes 3D des protéines à partir de leurs séquences d'acides aminés (a.a.) -leur structure secondaire et tertiaire à partir de la structure primaire en somme. Ils mettent librement à disposition de tous les structures très probables de presque toutes les protéines connues, plus de 200 millions, des bactéries aux humains.
Peu après cela l'équipe de Baker utilisant cette IA et d'autres ont pu faire l'inverse : trouver une séquence d'a.a. qui se repliera en prenant la forme d'une protéine souhaitée (médicament, vaccin, traitement de déchets etc.). Ils ont même pu produire des protéines qui n'ont jamais existé par un procédé qu'ils ont joliment nommé "hallucination" (ils en font un verbe transitif : nous avons halluciné une protéine qui a telle fonction ...). Leur procédé n'est pas sans ressembler à l'évolution : effectuer de nombreuses modifications aléatoires de la séquence ( comme les mutations et recombinaisons), puis prédire par IA la structure de chacune (comme l'expression du génome en phénotype) et choisir la séquence qui donner la structure la plus proche de ce qu'on cherche (comme la sélection naturelle), et recommencer jusqu'à satisfaction. Ensuite faire exprimer cette protéine dans une bactérie et vérifier son activité. Ils sont récemment passé au niveau supérieur et ont même halluciné des assemblages de protéines (structure quaternaire) cf. fig 2 et ci-contre.
Implications pour l'enseignement de la biologie
JTS a sélectionné ces recherches parce qu'elles soulèvent plusieurs question importantes pour les enseignants. Elles sont importantes pour aider les élèves à comprendre ce que les médias en disent. Aussi parce que la biologie change, qu'elle est de plus en plus in silico mais s'articule avec la biologie moléculaire où ces prédictions reprennent contact avec le monde matériel pour vérifier leurs effets. Également parce que cela pose la question du naturel et des limites du vivant - qui définit en principe la biologie. Enfin parce que le métier de biologiste change pour devenir plus ingénieur ? C'est une différence de posture très significative. Faut-il refléter ces changements dans nos cours ? Et comment ? JTS développe un peu ces questions plus bas.
« Nouvelle ère de la biologie numérique » : l'IA révèle les structures de presque toutes les protéines connues
Travis, J. (2022), dans une News de Science ici , écrit : "L'avancée du logiciel AlphaFold de DeepMind pourrait révolutionner la biologie et la médecine" Il y a douze mois, la société d'intelligence artificielle (IA) DeepMind avait surpris de nombreux scientifiques avec la publication de structures prédites pour quelque 350 000 protéines Tunyasuvunakool,…Hassabis, et al.(2021)ici . Cette recherche a été sélectionnée comme une des percées scientifiques de l'année 2021.
Fig 1 : à droite Structure prédite par AlphaFold d'une protéine sur un stade d'un parasite du paludisme
Depuis, Hassabis, et al. (2022) ici ont dévoilé les structures probables de presque toutes les protéines connues - plus de 200 millions - des bactéries aux humains, une réalisation remarquable pour l'IA et un trésor potentiel pour le développement de médicaments et la recherche en biologie. (Travis, J. (2022), traduction Google par IA ;-) retouchée)
Un défi scientifique résolu ?
AlphaFold, est l'un des nouveaux programmes d'IA qui a résolu ce défi de longue date : déterminer avec précision les formes 3D des protéines à partir de leurs séquences d'acides aminés. (leur structure tertiaire à partir de la structure primaire).
Il faut noter que l'IA n'explique pas le mécanisme par lequel la protéine se replie - alors que la biologie cherche habituellement les mécanismes sous-jacents. Cet IA est une "boite noire" qui produit un résultat très utilisable, mais ce qu'il y a dedans reste mystérieux. Alphafold ayant été nourri d'un grand nombre de séquences d'.a.a (trouvées chez UniProt :-) et des structures correspondantes (de chez PDB) "apprend" et - une fois cette longue phase réalisée - peut très vite associer une structure 3D à partir de la séquence d'a.a. qu'on lui donne.
Les protéines résolues par AlphaFold proviennent d'organismes allant des bactéries aux plantes en passant par les vertébrés, y compris les souris, les poissons zèbres et les humains. Kathryn Tunyasuvunakool, chercheuse chez DeepMind, a déclaré qu'il fallait environ 10 à 20 secondes à AlphaFold pour faire chaque prédiction de protéine. (Travis, J. (2022), traduction google translate (par IA ;-) retouchée)
encourage le lecteur à aller vérifier dans l'article d'origine :
Tunyasuvunakool, K., Adler, J., Wu, Z., Green, T., Zielinski, M., Žídek, A., Bridgland, A., Cowie, A., Meyer, C., Laydon, A., Velankar, S., Kleywegt, G. J., Bateman, A., Evans, R., Pritzel, A., Figurnov, M., Ronneberger, O., Bates, R., Kohl, S. A. A., … Hassabis, D. (2021). Highly accurate protein structure prediction for the human proteome. Nature, 596(7873), 590‑596. https://doi.org/10.1038/s41586-021-03828-1
Ces structures sont aussi disponibles pour tous depuis les banques de données UniProt et PDB qui ont fourni le "matériel" pour éduquer AlphaFold
"AlphaFold est une avancée capitale des sciences de la vie qui démontre la puissance de l'IA" "Avec ce nouvel apport de structures qui révèle presque tout l'univers des protéines, nous pouvons nous attendre à ce que davantage de mystères biologiques soient résolus chaque jour." (in Travis, J. (2022), traduction google translate (par IA ;-) retouchée)
Des potentiels fascinants …
Des chercheurs utilisent déjà les prédictions de structure pour développer des vaccins potentiels, sonder des questions de biologie fondamentale telles que la façon dont le complexe de pore nucléaire contrôle quelles molécules pénètrent dans le noyau d'une cellule, ou examinent l'évolution des protéines dans l'origine de la vie. Hassabis, cependant, rappelle que la mise à disposition des structures n'est qu'un point de départ. "Il y a encore évidemment beaucoup de biologie, et de chimie, qui doivent être faites."
Une « nouvelle ère de la biologie numérique » dans laquelle les développeurs de médicaments pourraient disposer plus vite des structures de protéines impliquées dans diverses maladies et affections afin de mieux concevoir de petites molécules qui agissent sur ces protéines et donc traiter ces maladies. (Travis, J. (2022), traduction google translate (par IA ;-) retouchée) encourage le lecteur à aller vérifier dans l'article d'origine : ici
Depuis une prédiction de ce qu'on pourrait observer … vers une ingénierie de protéine originales composées à volonté
A peine remis de l'étonnement émerveillé de voir l'IA réussir à prédire la structure d'une protéine à partir de sa séquence, …(et peut-être perturbé par les implications dans nos cours ?) voici que des chercheurs ont réussi la fonction inverse : établir la séquence d'acides aminés qui donnera la forme d'une protéine souhaitée !
Fig 2: L'IA a permis aux chercheurs de produire des protéines qui ne ressemblent à rien de connu dans la nature [img]. Source : Callaway, E. (2022) credit Ian C Haydon/UW Institute for Protein Design
En quelques secondes plutôt que péniblement en plusieurs mois
(Callaway, E. (2022), dans une News de Nature écrit " le tout premier médicament à être fabriqué à partir d'une nouvelle protéine conçue par l'homme a été autorisé. Ce vaccin COVID 19 est basé sur une « nanoparticule » de protéine sphérique qui a été créée par des chercheurs il y a près de dix ans, grâce à un processus d'essais et d'erreurs très long et fastidieux. (Hsia, et al., 2016) ici.
Une équipe dirigée par David Baker, biochimiste à l'Université de Washington (UW) à Seattle, rapporte dans Science (Dauparas,2022)ici, et (Wicky,2022) ici qu'elle a mis au point des IA capables de concevoir de telles molécules en quelques secondes au lieu de plusieurs mois ou années. (d'après Callaway, E. (2022))
encourage le lecteur à aller vérifier dans l'article d'origine :
Dauparas, J., Anishchenko, I., Bennett, N., Bai, H., Ragotte, R. J., Milles, L. F., Wicky, B. I. M., Courbet, A., de Haas, R. J., Bethel, N., Leung, P. J. Y., Huddy, T. F., Pellock, S., Tischer, D., Chan, F., Koepnick, B., Nguyen, H., Kang, A., Sankaran, B., … Baker, D. (2022). Robust deep learning–based protein sequence design using ProteinMPNN. Science, 0(0), eadd2187. https://doi.org/10.1126/science.add2187
Wicky, B. I. M., Milles, L. F., Courbet, A., Ragotte, R. J., Dauparas, J., Kinfu, E., Tipps, S., Kibler, R. D., Baek, M., DiMaio, F., Li, X., Carter, L., Kang, A., Nguyen, H., Bera, A. K., & Baker, D. (2022). Hallucinating symmetric protein assemblies. Science, 0(0), eadd1964. https://doi.org/10.1126/science.add1964
La plupart de ces recherches se concentrent sur des outils qui peuvent aider à fabriquer des protéines originales, dont la forme ne ressemble à rien dans la nature (cf. Fig 2), sans trop se concentrer sur ce que ces molécules peuvent faire. Mais les chercheurs - et un nombre croissant d'entreprises qui appliquent l'IA à la conception de protéines - aimeraient concevoir des protéines capables de fonctions utiles, du nettoyage des déchets toxiques au traitement des maladies.
Partant de zéro Le laboratoire de Baker a passé les trois dernières décennies à fabriquer de nouvelles protéines. Un logiciel appelé Rosetta, que son laboratoire a commencé à développer dans les années 1990, divise le processus en étapes. Initialement, les chercheurs ont conçu une forme pour une nouvelle protéine - souvent en bricolant des morceaux d'autres protéines - et le logiciel a déduit une séquence d'acides aminés qui correspondait à cette forme. Mais ces protéines de « première ébauche » se repliaient rarement dans la forme souhaitée lorsqu'elles étaient fabriquées en laboratoire. Une autre étape était donc nécessaire pour modifier la séquence protéique de manière à ce qu'elle ne se replie que dans la structure souhaitée. Cette étape, qui impliquait de simuler toutes les manières dont différentes séquences pourraient se replier, était très lente : il fallait 10 000 ordinateurs fonctionnant pendant des semaines… (Callaway, E. (2022), traduction google translate (par IA ;-) retouchée)
Halluciner une protéine ! Halluciner devient un verbe transitif? "De novo protein design by deep network hallucination"
En ajustant leurs programmes pour itérativement tester des variantes aléatoires, l'équipe de Baker a développé une nouvelle approche appelée hallucination, dans laquelle les chercheurs introduisent itérativement de très nombreuses séquences aléatoires d'acides aminés - puis ils testent avec AlphaFold et un outil similaire appelé RoseTTAFold de quelle manière cela a modifié la structure et sélectionnent les plus adaptées afin qu'elle ressemblent de plus en plus à la protéine souhaitée. Ces séquences finales d'acides aminés codent pour des protéines qui peuvent ensuite être fabriquées et étudiées en laboratoire. (D'après Callaway, E. (2022)) JTS suggère qu'on peut le comparer aux mutations, recombinaisons, expression du génome en phénotype et à la sélection naturelle dans l'évolution.
Commencer par du charabia puis muter, prédire la forme, et sélectionner les plus adaptées.
Pour expliquer comment les réseaux de neurones "hallucinent" une nouvelle protéine, l'équipe de Baker la compare à la façon dont elle pourrait écrire un livre : "Vous commencez avec un assortiment aléatoire de mots - un charabia total. Ensuite, vous imposez une exigence telle que dans le paragraphe d'ouverture, il faut que ce soit une nuit sombre et orageuse. Ensuite, l'ordinateur changera les mots un par un et se demandera : « Est-ce que l'histoire a plus de sens ? ». Si c'est le cas, il conserve les modifications jusqu'à ce qu'une histoire complète soit écrite », Traduction de Baker Lab. (2022, juillet 21). Training A.I. to generate medicines and vaccines. Baker Lab.
Dans un article de 2021 dans Science, "De novo protein design by deep network hallucination" l'équipe de Baker révèle qu'ils avaient créé plus de 100 petites protéines «hallucinées» en laboratoire et environ un cinquième ressemblait à la forme prédite (Anishchenko, et al. 2021) ici.
Ils sont ensuite passé au wet lab la pour confirmer ces prédictions "nous avons caractérisé expérimentalement les hallucinations générées par ordinateur en obtenant des gènes synthétiques pour les 129 protéines, et en les exprimant et en les purifiant à partir d'E. coli" Deux lignes de biologie moléculaire dans un article essentiellement de biologie numérique… La biologie change !
Designer une protéine c'est bien, en concevoir plusieurs s'assemblant, c'est mieux ?
Les chercheurs ont rapidement découvert que de tels réseaux pouvaient également modéliser des assemblages de plusieurs protéines. Sur cette base, Baker et son équipe (Baek,…Baker et al.,(2021)ici. ont montré qu'ils pouvaient halluciner des protéines qui s'auto-assembleraient en nanoparticules de différentes formes et tailles. encourage le lecteur à aller vérifier dans l'article d'origine :
Baek, M., DiMaio, F., Anishchenko, I., Dauparas, J., Ovchinnikov, S., Lee, G. R., Wang, J., Cong, Q., Kinch, L. N., Schaeffer, R. D., Millán, C., Park, H., Adams, C., Glassman, C. R., DeGiovanni, A., Pereira, J. H., Rodrigues, A. V., van Dijk, A. A., Ebrecht, A. C., … Baker, D. (2021). Accurate prediction of protein structures and interactions using a three-track neural network. Science, 373(6557), 871‑876. https://doi.org/10.1126/science.abj8754
Fig 4: commentaire [img]. Source : Nik Spencer/Nature Adapted from N. Ferruz et al. Preprint at bioRxiv (2022); and J. Wang et al. Science377, 387–394 (2022).
Implications pour l'enseignement de la biologie
JTS estime que ces recherches soulèvent des question importantes et méritent l'attention des enseignants à plusieurs titres.
Parce que c'est passionnant de voir une des grandes questions de la biologie obtenir une réponse… qui pose de nouvelles questions.
Ces recherches sont reprises dans les médias, forcément simplifiées et en général surtout les conclusions sensationnalistes et les applications potentielles, mais pas les méthodes, le contexte et les limites. Les comprendre pour faire face à des questions d'élèves peut les aider à comprendre et ... participer à leurs prises de décision en tant que citoyen-ne future ou actuelle.
Parce que cela montre encore une fois que les savoirs de recherche que la recherche produit sont établis non plus par des opérations moléculaires, mais de biologie numérique (et peut-être apprivoiser le terme bioinformatique ?). Si la biologie change profondément, la question de l'intégration dans nos programmes et pratiques en classe pourra-t-elle encore longtemps être écartée ?
Parce que - quand même - à la fin on vérifie dans le "wet lab" par des techniques classiques de génie génétique si la protéine est bien celle attendue. In fine c'est dans le monde des molécules qu'on juge de la réussite. Hassabis (2022) dit que la mise à disposition de ces structures n'est qu'un point de départ."Il y a encore évidemment beaucoup de biologie, et beaucoup de chimie, qui doivent être faites." Ouf ! La biologie in silico - ou numérique ne remplace pas mais complète la biologie in vitro.
Parce que la délimitation du naturel devient plus délicate : ces protéines synthétisée par des processus de biosynthèse classique - le génie génétique que nous avons découverts et non inventé peuvent encore être considérés comme naturels par certains, mais la production de protéines nouvelles n'existant pas dans la nature est-elle encore naturelle ? biologique ? fait-elle parie de l'étude du vivant ?
Parce que la biologie devient avec la biologie de synthèse (cf. JTS Au-delà du génie génétique : la biologie synthétique. ) et ces travaux encore plus une ingénierie au service de production humaines - Callaway (2022) mentionne médicaments, vaccins, traitement des déchets.
Parce qu'on s'éloigne encore plus du naturaliste contemplatif qui a dominé la biologie de la première moitié du siècle passé, de la biologie moléculaire, une recherche fondamentale, qui cherche à comprendre - en termes moléculaires - les mécanismes sous-jacents des phénomènes vivants. Avec cette nouvelle biologie, on ne se limite plus au vivant, on utilise la compréhension - ou du moins les possibilités d'application - pour produire de l'utile. C'est un changement de posture très significatif. Faut-il le refléter dans nos cours ? Et comment ?
Un important chantier de réflexion sur l'essence de notre discipline mérite d'être ouvert - y participer avant qu'on nous impose une réforme ?
Références:
Anishchenko, I., Pellock, S. J., Chidyausiku, T. M., Ramelot, T. A., Ovchinnikov, S., Hao, J., Bafna, K., Norn, C., Kang, A., Bera, A. K., DiMaio, F., Carter, L., Chow, C. M., Montelione, G. T., & Baker, D. (2021). De novo protein design by deep network hallucination. Nature, 600(7889), 547‑552. https://doi.org/10.1038/s41586-021-04184-w
Dauparas, J., Anishchenko, I., Bennett, N., Bai, H., Ragotte, R. J., Milles, L. F., Wicky, B. I. M., Courbet, A., de Haas, R. J., Bethel, N., Leung, P. J. Y., Huddy, T. F., Pellock, S., Tischer, D., Chan, F., Koepnick, B., Nguyen, H., Kang, A., Sankaran, B., … Baker, D. (2022). Robust deep learning–based protein sequence design using ProteinMPNN. Science, 0(0), eadd2187. https://doi.org/10.1126/science.add2187
Hsia, Y., Bale, J. B., Gonen, S., Shi, D., Sheffler, W., Fong, K. K., Nattermann, U., Xu, C., Huang, P.-S., Ravichandran, R., Yi, S., Davis, T. N., Gonen, T., King, N. P., & Baker, D. (2016). Design of a hyperstable 60-subunit protein icosahedron. Nature, 535(7610), 136‑139. https://doi.org/10.1038/nature18010
Tunyasuvunakool, K., Adler, J., Wu, Z., Green, T., Zielinski, M., Žídek, A., Bridgland, A., Cowie, A., Meyer, C., Laydon, A., Velankar, S., Kleywegt, G. J., Bateman, A., Evans, R., Pritzel, A., Figurnov, M., Ronneberger, O., Bates, R., Kohl, S. A. A., … Hassabis, D. (2021). Highly accurate protein structure prediction for the human proteome. Nature, 596(7873), 590‑596. https://doi.org/10.1038/s41586-021-03828-1
Wicky, B. I. M., Milles, L. F., Courbet, A., Ragotte, R. J., Dauparas, J., Kinfu, E., Tipps, S., Kibler, R. D., Baek, M., DiMaio, F., Li, X., Carter, L., Kang, A., Nguyen, H., Bera, A. K., & Baker, D. (2022). Hallucinating symmetric protein assemblies. Science, 0(0), eadd1964. https://doi.org/10.1126/science.add1964
Lombard, F., Schneider, D. K., & Weiss, L. (2020). Jumping to science rather than popularizing : A reverse approach to update in-service teacher scientific knowledge. Progress in Science Education (PriSE), 3(2), 54‑60. https://doi.org/10.25321/prise.2020.1005
![Oxygène de surface - semaine du 8 janvier (2018) n'atteint pas le fond. [img]. Source : Meteolakes](https://tecfa.unige.ch/perso/lombardf/projets/jump-to-science/oxygen-transect%20semaine%2054-2017.JPG)
Peu après cela l'équipe de Baker utilisant cette IA et d'autres ont pu faire l'inverse : trouver une séquence d'a.a. qui se repliera en prenant la forme d'une protéine souhaitée (médicament, vaccin, traitement de déchets etc.). 
