Les protéines sont les petites machines du vivant : elles accélèrent des réactions chimiques, produisent de la lumière ou peuvent même dégrader du plastique. Jusqu’ici, demander à une intelligence artificielle d’en concevoir une exigeait de bien connaître leur structure et leur géométrie. Une équipe menée par l’Université Westlake, en Chine, a présenté dans la revue Nature un modèle appelé Pinal, qui part d’une simple phrase, par exemple « une protéine qui émet une lumière verte ».
Pinal travaille en deux temps. Un premier module transforme la description en une sorte de plan de la structure ; un second écrit la suite d’acides aminés qui correspond à ce plan et à la demande. L’outil prépare plusieurs plans, puis garde la meilleure combinaison. Pour l’entraîner, les chercheurs ont associé 135 millions de protéines à des descriptions de ce qu’elles font, soit 1,7 milliard de paires texte-protéine.
Les résultats sont réels, mais modestes. Pour la protéine lumineuse, 50 000 séquences ont été produites ; 29 ont été testées, et une seule a vraiment brillé. Pour une autre protéine, liée à la capture du carbone, 5 candidates sur 20 ont fonctionné, et la meilleure a rendu le processus 1,7 fois plus efficace que la protéine naturelle. Les auteurs reconnaissent qu’il reste difficile de contrôler des propriétés précises.
Il y a quelque chose de beau à voir des chercheurs apprendre, pas à pas, la grammaire du vivant. Ces outils avancent, mais le chemin reste long et humble, entre essais et échecs.