Vers une conception de nouvelles protéines par apprentissage statistique

Biologie

Une équipe de recherche de l'Institut de biologie Paris-Seine (Sorbonne Université / CNRS), en collaboration avec l'École normale supérieure - PSL et l’École polytechnique de Turin a proposé une nouvelle approche très efficace de modélisation informatique de protéines dite "générative". Publiée dans la revue Nature Communications le 4 octobre 2021, cette approche permet de concevoir des séquences protéiques artificielles statistiquement équivalentes aux séquences naturelles, une caractéristique de grand intérêt dans le domaine du « protein design ». Cette publication  est la première à bénéficier du soutien financier de l'initiative i-Bio(le lien est externe) de l’Alliance Sorbonne Université (le lien est externe)pour la promotion de l'interdisciplinarité dans la recherche biologique.

 

 

Sont impliqués dans ces travaux le Laboratoire biologie computationnelle et quantitative (LCQB, CNRS/Sorbonne Université) à l'IBPS et le Laboratoire de physique de l'ENS (LPENS, CNRS/ENS Paris/Sorbonne Université/Université de Paris).

Bibliographie

Efficient generative modeling of protein sequencesusing simple autoregressive models
Jeanne Trinquier, Guido Uguzzoni, Andrea Pagnani, Francesco Zamponi & Martin Weigt, 
Nature Communications, 4 octobre 2021 - DOI : https://doi.org/10.1038/s41467-021-25756-4(le lien est externe)

Contact

Martin Weigt
Chercheur Sorbonne Université
Claire de Thoisy Méchin
Service presse Sorbonne Université
Marion Valzy
Attachée de presse à Sorbonne Université