Pendant une décennie, la promesse centrale de l’édition génétique par CRISPR a été claire : réécrire les instructions de l’ADN qui causent les maladies. Mais il y a toujours eu un inconvénient. Les machines moléculaires qui effectuent l’édition (des protéines empruntées aux bactéries et réadaptées pour les cellules humaines) n’atteignent pas toujours leur cible. Elles modifient parfois le mauvais gène, créant des mutations involontaires qui pourraient provoquer un cancer ou d’autres dommages.
Les chercheurs ont consacré d’importantes ressources informatiques à ce problème. Ils ont résolu les structures tridimensionnelles des protéines d’édition liées à l’ADN. Ils ont simulé la façon dont ces protéines fléchissent et se plient. Ils ont catalogué des milliers de sites non ciblés. Pourtant, le problème des effets hors cible est resté obstinément difficile à résoudre par la conception, car la structure seule est un mauvais indicateur de ce qui se produit lorsqu’une protéine rencontre la mauvaise séquence d’ADN.
Une étude marquante publiée dans Nature ce mois-ci change la donne. Une équipe dirigée par Haopeng Meng et Zhijie Lei à l’Académie chinoise des sciences a introduit ContactSeek, un cadre d’IA qui utilise AlphaFold3 de DeepMind non seulement pour prédire la forme des protéines d’édition génétique, mais pour mesurer quelque chose de bien plus subtil : avec quelle confiance chaque atome de la protéine s’attend à interagir avec chaque atome de l’ADN. Ce signal de confiance, la probabilité de contact entre acides aminés et nucléotides, s’avère extrêmement sensible à la différence entre une correspondance génétique parfaite et un quasi-accident dangereux.
Les travaux, publiés le 23 juillet dans Nature (DOI : 10.1038/s41586-026-10794-z), représentent un changement fondamental dans la façon dont les biologistes structuraux conçoivent la spécificité des machines moléculaires.
Pourquoi la structure ne suffit pas
Lorsqu’une protéine comme Cas9 se lie à l’ADN, le complexe adopte une forme. Cette forme peut être résolue par cristallographie aux rayons X, par cryo-microscopie électronique, ou prédite par AlphaFold. Mais une protéine liée à sa cible ADN correcte et une autre liée à une cible non correspondante peuvent sembler presque identiques en structure 3D. La différence ne réside pas dans la pose, mais dans le relâchement subtil des contacts atomiques : des résidus qui ne touchent plus leurs partenaires prévus.
La biologie structurale classique est en grande partie restée aveugle à ces différences. « La structure 3D vous indique où se trouvent les atomes, mais elle ne vous dit pas à quel point ils veulent être là », a déclaré Meng lors d’un point presse. Cette volonté, la préférence énergétique pour une interaction plutôt qu’une autre, est encodée dans l’ensemble des configurations possibles qu’un complexe protéine-ADN peut explorer. Et cet ensemble est précisément ce qu’AlphaFold3 peut échantillonner.
AlphaFold3, sorti en 2024, est la dernière itération du système de prédiction de structure protéique de Google DeepMind. Contrairement à ses prédécesseurs, qui prédisaient une structure unique la plus probable, AlphaFold3 produit une distribution de possibilités. Chaque paire d’acides aminés ou de nucléotides reçoit une probabilité de contact : un nombre entre 0 et 1 représentant la probabilité que le modèle pense que ces résidus interagissent. Ces probabilités sont un sous-produit de l’architecture basée sur la diffusion d’AlphaFold3, qui génère en interne plusieurs modèles structurels plausibles avant de se fixer sur sa meilleure prédiction.
L’équipe de ContactSeek a réalisé que ces probabilités n’étaient pas du bruit, mais un signal riche. « AlphaFold3 ne se contente pas de prédire une structure », a expliqué Lei. « Il explore tout un paysage de structures possibles. Les probabilités de contact capturent l’effort que le modèle doit fournir pour intégrer chaque interaction dans un ensemble cohérent. Lorsque l’ajustement est mauvais, la confiance diminue. »
Cartographie du paysage des cibles non intentionnelles
Pour tester cette idée, l’équipe s’est concentrée sur les éditeurs de bases adénine (ABE), une classe d’outils CRISPR largement utilisée qui convertit une lettre d’ADN (A) en une autre (G) sans rompre les deux brins de la double hélice. Les ABE sont construits à partir de Cas9 fusionné à une enzyme désaminase, et bien que moins perturbateurs que les coupes classiques, ils produisent encore des modifications hors cible qui limitent leur utilisation thérapeutique.
Les chercheurs ont d’abord effectué des criblages génomiques hors cible pour plusieurs variants d’ABE, identifiant des centaines de sites où les éditeurs produisaient des modifications non intentionnelles. Ils ont ensuite utilisé AlphaFold3 pour prédire la structure de chaque éditeur lié à chaque séquence d’ADN hors cible, ainsi que la cible correcte. Pour chaque complexe, ils ont extrait la matrice de probabilité de contact, soit environ 350 000 scores d’interaction par paire.
Le résultat était un ensemble de données cartographiant non seulement la forme de chaque complexe, mais aussi le paysage de confiance de chaque contact. Et lorsque l’équipe a comparé les complexes sur cible et hors cible, les probabilités de contact ont révélé des schémas clairs que les structures 3D seules ne montraient pas.
« Il y avait des complexes dont la structure globale était essentiellement identique », a déclaré Meng. « AlphaFold3 a prédit le même repliement, les mêmes positions atomiques à quelques dixièmes de nanomètre près. Mais les probabilités de contact racontaient une histoire complètement différente. Les interactions très confiantes dans le complexe sur cible devenaient ambiguës dans le complexe hors cible, même si les atomes étaient aux mêmes endroits. »
L’idée clé est que la probabilité de contact capture une propriété que la structure statique manque : le degré de frustration dans le système. Dans le complexe sur cible, chaque résidu s’installe dans une interaction confortable ; les probabilités de contact sont uniformément élevées. Dans le complexe hors cible, certains contacts sont forcés : la géométrie peut être acceptable, mais l’ajustement énergétique est médiocre, et l’échantillonnage d’ensemble d’AlphaFold3 reflète cela par une probabilité réduite.
De l’intuition à la conception
Avec les cartes de probabilité de contact en main, l’équipe a identifié des résidus d’acides aminés spécifiques dans le domaine Cas9 de leurs ABE qui présentaient les plus fortes baisses de probabilité de contact entre les complexes sur cible et hors cible. Ces résidus, ont-ils raisonné, toléraient l’ADN non correspondant et permettaient l’édition hors cible.
ContactSeek a ensuite guidé l’ingénierie des protéines. En mutant les résidus identifiés en variants qui augmentaient l’écart entre les probabilités de contact sur cible et hors cible, l’équipe a pu systématiquement resserrer la spécificité.
Les résultats ont été spectaculaires. Dans des tests sur cellules humaines, les ABE reconçus ont réduit l’édition hors cible de 69 à 83 % sur plusieurs ARN guides et sites génomiques, tout en maintenant une activité complète sur cible. La même approche s’est généralisée à différents variants d’ABE et séquences guides, suggérant que la méthode capture un principe fondamental de la reconnaissance protéine-ADN.
« Crucialement, les mutations que nous avons introduites ne se situaient pas dans le site actif ni dans les régions qui contactent directement les bases de l’ADN », a déclaré Lei. « Elles étaient dans le squelette, dans des résidus structuraux qui modulent la flexibilité du complexe. La probabilité de contact nous a permis de voir que ces résidus périphériques étaient les véritables gardiens de la spécificité, alors qu’aucune méthode structurelle ne les avait signalés auparavant. »
Au-delà de l’édition de bases
ContactSeek ne se limite pas aux éditeurs de bases adénine. Le cadre s’applique à tout outil basé sur Cas9, y compris le CRISPR classique de type nucléase, les éditeurs principaux et les systèmes CRISPRi/a. L’équipe a déjà démontré des résultats avec les protéines de la famille Cas12.
Le coût informatique, bien que substantiel, diminue rapidement. Chaque analyse ContactSeek nécessite l’exécution d’AlphaFold3 sur des centaines à des milliers de complexes protéine-ADN. Mais les progrès du matériel et de l’efficacité des modèles ont ramené le coût à quelques milliers de dollars par protéine cible, une aubaine comparée aux essais-erreurs qu’il remplace.
« Cela change la donne », a déclaré David Liu, pionnier de l’édition génétique au Broad Institute, qui n’a pas participé à l’étude. « Au lieu de fabriquer des variants et de les tester aveuglément, vous pouvez maintenant observer le paysage des probabilités de contact et demander : où la protéine est-elle la plus incertaine ? »
Pour les patients qui attendent des thérapies géniques à la fois efficaces et sûres, ce passage de l’ingénierie aveugle à la conception éclairée pourrait être l’avancée la plus importante de toutes.
Référence : Meng, H., Lei, Z. et al. ContactSeek : An AlphaFold3-based framework for engineering specificity in gene-editing proteins. Nature (2026). DOI : 10.1038/s41586-026-10794-z
Traduit par Lydie