IT之家 Le 19 octobre, IT之家 a rapporté que le système d'intelligence artificielle générative RFdiffusion3, capable de concevoir des protéines et des acides nucléiques en assemblant des atomes individuels, vient de voir son plan de conception détaillé officiellement rendu public. Les protéines nouvellement conçues grâce à RFdiffusion3 peuvent réaliser les fonctions attendues dans de vraies réactions chimiques.
Une équipe internationale de recherche, composée de l'Université de Washington aux États-Unis, de l'Université d'Oxford au Royaume-Uni, de NVIDIA et d'autres institutions, a construit ce système capable de modéliser les atomes individuels afin de concevoir des protéines et des acides nucléiques, et a publié les résultats de ses recherches le 16, heure locale, dans la revue scientifique internationale Science.
IT之家 a remarqué que l'équipe de recherche avait déjà rendu RFdiffusion3 open source le 3 décembre 2025. L'article publié dans Science explique en détail les principes de conception de RFdiffusion3.
La recherche sur les protéines fondée sur l'intelligence artificielle est passée de la prédiction de la structure tridimensionnelle de protéines existantes à la conception de protéines entièrement nouvelles dotées de structures et de fonctions cibles.
Le professeur de l'Université de Washington David Baker est l'auteur correspondant de cette recherche sur RFdiffusion3 ; il a reçu le prix Nobel de chimie 2024 pour ses contributions à la prédiction de structures de protéines par ordinateur. L'une de ses réalisations emblématiques est le développement du système d'intelligence artificielle de prédiction de structures de protéines RosettaFold.
RosettaFold apprend les relations spatiales entre les acides aminés constituant les protéines et utilise ces informations pour prédire la structure tridimensionnelle des protéines. RFdiffusion1, publié en 2023, et RFdiffusion2, publié en 2025, ont tous deux été développés en s'appuyant sur le réseau de prédiction de structures utilisé par RosettaFold.
RFdiffusion utilise des modèles de diffusion pour déterminer la position des acides aminés et concevoir ainsi des protéines. Les modèles de diffusion sont une classe de modèles d'intelligence artificielle qui apprennent les lois de distribution des données existantes afin de générer de nouvelles données.
RFdiffusion3 a été développé en s'inspirant de l'architecture réseau d'un autre programme de prédiction de structures de protéines, AlphaFold3. RFdiffusion3 peut représenter un acide aminé individuel avec jusqu'à 14 atomes et concevoir des structures de protéines entièrement nouvelles en ajustant directement les coordonnées tridimensionnelles de chaque atome.
L'équipe de recherche a utilisé ce système pour réaliser une conception précise des sites actifs d'enzymes, qui peuvent catalyser diverses réactions chimiques. Les enzymes sont des protéines, des biocatalyseurs capables d'accélérer la vitesse des diverses réactions chimiques au sein des organismes vivants.
Lorsque les chercheurs spécifient non seulement la position des atomes nécessaires à la réaction, mais fixent également les conditions de formation des liaisons hydrogène et la plage de distribution de certains atomes à l'intérieur de la protéine, RFdiffusion3 peut générer des structures de protéines satisfaisant toutes les contraintes.
Les chercheurs ont sélectionné 41 sites actifs d'enzymes existantes pour comparer les performances de conception ; les résultats montrent que dans 37 des tests, RFdiffusion3 a surpassé RFdiffusion2. Sa vitesse de génération de structures de protéines est environ dix fois supérieure à celle de RFdiffusion2.
La paraoxonase et l'enzyme de clivage des peptides conçues par RFdiffusion3 ont toutes deux accompli avec succès les réactions chimiques attendues dans de vraies expériences. L'équipe de recherche a déclaré : « À l'avenir, RFdiffusion3 sera largement appliqué à diverses tâches de conception de biomolécules et aux domaines d'application associés. »
Références :
Déclaration publicitaire : les liens de redirection externes contenus dans le texte (y compris mais sans s'y limiter les hyperliens, codes QR, mots de passe, etc.) servent à transmettre davantage d'informations et à gagner du temps de tri ; les résultats sont fournis à titre indicatif uniquement. Tous les articles d'IT之家 contenant des liens externes incluent cette déclaration.