C’est peut-être un nouveau chapitre majeur dans l’histoire d’amour entre l’IA et la chimie, s’agissant en particulier de la découverte de molécules à usage thérapeutique. Qubit Pharmaceuticals annonce, ce 20 mai, le modèle de fondation Fennix-Bio1, « le plus performant au monde pour la simulation moléculaire en chimie pharmaceutique », d’après le communiqué officiel. C’est le fruit de travaux scientifiques, conduits par la deeptech française et Sorbonne Université, qui font l’objet d’une prépublication dans ChemRxiv.
Par la simulation pure, très précise mais lente et coûteuse, il est impossible d’explorer tout l’espace des combinaisons moléculaires et de leurs interactions avec des protéines. L’IA présente l’intérêt d’accélérer la découverte « in silico » (grâce à des méthodes informatiques, sans expérimentations) de nouvelles molécules, mais à la condition qu’on lui apprenne la dynamique moléculaire régie par les lois de la physique.
De ce point de vue, les auteurs n’ont pas lésiné sur les moyens : ils ont réalisé des millions de simulations dites DFT (théorie de la fonctionnelle de la densité, très répandue en chimie quantique) sur les supercalculateurs Leonardo, en Italie, et Aurora (de génération exaflopique), au laboratoire national Argonne, aux Etats-Unis. Ces données de simulation ont ensuite nourri l’apprentissage de Fennix-Bio1, réalisé sur le supercalculateur Jean Zay, dans l’Essonne.
Meilleur qu'Alphafold
Selon les auteurs de l’étude, qui se sont livrés à une batterie de tests, ce modèle serait d’une précision et d’une rapidité inédites pour simuler et prévoir le comportement de molécules en phase condensée, ceci en incluant les effets quantiques nucléaires. Par exemple, la description des propriétés de l’eau en phase liquide – le solvant du corps humain – est en excellent accord avec les résultats expérimentaux. Le coût de la phase de découverte d'un médicament serait réduit de 80%, au moins.
Fennix-Bio1 est également envisageable pour d’autres applications - chimie verte, cosmétique, optimisation d’enzymes industrielles… Il pourra à l’avenir être amélioré grâce à l’apprentissage automatique quantique (quantum machine learning), si un jour des ordinateurs quantiques sont suffisamment puissants pour cela.
Professeur à Sorbonne Université et directeur scientifique de Qubit Pharmaceuticals, Jean-Philip Piquemal estime que Fennix-Bio1 dépasse Alphafold, le modèle de Google Deepmind récompensé par le prix Nobel de chimie en 2024 : « AlphaFold a révolutionné la prédiction de la structure des protéines. Cependant, ces dernières ne sont pas statiques et leurs structures évoluent au cours du temps modifiant les interactions avec les médicaments. FeNNix-Bio1 permet de modéliser ces effets dynamiques. De plus, AlphaFold ne permet pas de modéliser précisément les interactions des protéines avec des candidats médicaments. FeNNix-Bio1 répond à ces deux limites importantes pour la simulation biomoléculaire ».
