« Obtenir une représentation 3D d’une protéine est difficile et très coûteux », indique Julien Becker. « Pour de nombreuses protéines ce n’est actuellement pas possible et pour celles pour lesquelles on y arrive, il faut utiliser des méthodes comme la cristallographie par rayon X ou la spectroscopie par résonance magnétique nucléaire », continue le chercheur. C’est pourquoi les scientifiques tentent de développer des approches informatiques pour réaliser des prédictions, nettement plus rapides, permettant d’acquérir certains indices sur les propriétés des protéines. C’est précisément le domaine de recherche de Julien Becker et Louis Wehenkel. « Le graal dans le domaine serait de pouvoir prédire la structure 3D des protéines », précise Julien Becker.

Vers un prédicteur de structure 3D

Face à l’énorme challenge d’un jour pouvoir prédire la structure tridimensionnelle des protéines grâce à l’informatique, les chercheurs doivent d’abord attaquer le problème par des approches plus simples. « Cela fait environ trente ans qu’on utilise l’informatique pour prédire les propriétés des protéines. Au début on regardait simplement la constitution en acides aminés et on essayait de voir s’il s’agissait plutôt de résidus solubles ou non solubles », explique Julien Becker. « Aujourd’hui on utilise de plus en plus l’apprentissage automatique où on travaille avec des milliers de protéines que l’on tente de caractériser via des approches mathématiques », continue le jeune chercheur. L’apprentissage automatique ou apprentissage supervisé est une technique qui permet de produire automatiquement des règles à partir de bases de données d’apprentissage contenant des exemples, des cas déjà traités et validés.  « Si on prend l’exemple d’une base de données comprenant des images de voitures, de camions et de vélos. Ces images sont annotées afin de savoir quelle image appartient à quelle catégorie », indique Julien Becker. « On donne cela à un algorithme qui va chercher des patrons, des formes similaires. Une fois que le modèle est appris, on lui soumet de nouvelles images qu’il pourra automatiquement classer dans la bonne catégorie ».

En ce qui concerne les protéines, les scientifiques attribuent des valeurs aux différentes propriétés qu’ils désirent prédire telles que l’accessibilité des résidus, la structure secondaire en hélice ou en feuillet, etc. En général, les chercheurs tentent de générer un prédicteur par type de propriété. « Mon idée était de combiner tout ça en un seul prédicteur et pour ce faire j’ai attaqué des problèmes un peu plus compliqués comme les ponts disulfures », explique le doctorant. « Ici la difficulté est de prédire une propriété non pas pour un seul résidu mais pour une paire de résidus ».