Depuis que la biologie structurale guide l’ingénierie des protéines, la logique est d’une simplicité élégante : déterminer où se trouve chaque atome, identifier les parties qui touchent le substrat et reconcevoir ces parties pour améliorer la fonction. Si l’on veut qu’une enzyme CRISPR cesse de modifier les mauvaises séquences d’ADN, on trouve les résidus qui contactent ces séquences et on les mute. Le modèle est statique. Le postulat est que voir, c’est concevoir.
Une étude publiée le 22 juillet dans Nature remet aujourd’hui ce postulat en cause. Les travaux, dirigés par les co-premiers auteurs Haowei Meng, Zhixin Lei, Yongchang Yan, Liren Wang, Sihan Zhang et Xichen Rao de l’université de Pékin, avec les auteurs correspondants Dali Li de l’Université normale de la Chine de l’Est et Chengqi Yi de l’université de Pékin, présentent ContactSeek, un cadre d’IA qui ne demande pas où se trouve un complexe CRISPR, mais où ses parties pourraient se trouver. Et ce passage de la structure statique au contact probabiliste produit des résultats que l’ingénierie conventionnelle n’a pas égalés.
Le problème que ContactSeek aborde est l’un des plus tenaces de l’édition génomique. Les éditeurs de bases, ces outils moléculaires qui réécrivent des lettres individuelles d’ADN sans couper la double hélice, ont un énorme potentiel thérapeutique. Mais ils ne sont pas assez précis. L’édition hors cible, modifications involontaires sur des sites qui ressemblent à la cible visée sans lui correspondre exactement, reste un obstacle à l’utilisation clinique. L’évolution dirigée et la conception rationnelle ont produit des variantes progressivement meilleures, mais ces approches sont lentes, exigeantes en main-d’œuvre et sacrifient souvent l’activité sur cible au profit de la spécificité.
L’équipe de l’université de Pékin a adopté une approche différente. Au lieu de concevoir d’abord et de tester ensuite, ils ont demandé si AlphaFold3 (AF3) de DeepMind pouvait prédire, avant même qu’une mutation ne soit réalisée, quelles parties d’un éditeur de bases étaient responsables de son comportement hors cible. La réponse s’est avérée dépendre de ce qu’ils mesuraient.
AlphaFold3 est surtout connu pour prédire des structures tridimensionnelles de protéines avec une précision atomique, une capacité qui a valu à ses créateurs un prix Nobel. Mais Meng et ses collègues ont réalisé que les structures prédites elles-mêmes étaient moins informatives qu’autre chose que le modèle produit comme sous-produit : la probabilité de contact, une métrique par résidu qui capture la probabilité que les atomes de la chaîne latérale se trouvent à environ 5 angströms d’un brin d’acide nucléique. Là où une structure résolue vous dit où se trouve un résidu, la probabilité de contact vous dit quelle est la probabilité qu’il s’y trouve, une carte probabiliste de l’intimité moléculaire plutôt qu’un simple instantané.
Cette distinction s’est avérée cruciale. Lorsque l’équipe a comparé les structures prédites par AlphaFold3 de Cas9 liée à des séquences d’ADN sur cible versus hors cible, les différences structurelles étaient trop faibles pour être utiles. L’écart quadratique moyen des positions atomiques, la métrique standard pour comparer des structures tridimensionnelles, était à peine perceptible. La probabilité de contact, en revanche, changeait de manière détectable. Les différences étaient subtiles, d’échelle sub-angström, mais elles étaient cohérentes et corrélées avec l’édition hors cible mesurée expérimentalement sur plusieurs ARN guides.
L’idée que la probabilité est plus sensible que la position est devenue le moteur de ContactSeek. Le cadre fonctionne en quatre étapes. Premièrement, l’équipe cartographie les sites hors cible à l’échelle du génome pour les éditeurs de bases adénine (ABE) à l’aide d’une méthode appelée dI-profiling, qui capture l’action de l’éditeur sur l’ensemble du génome. Deuxièmement, AlphaFold3 prédit le complexe ternaire de Cas9, de l’ARN guide et de l’ADN pour la séquence sur cible et pour chaque séquence hors cible, en extrayant des matrices de probabilité de contact pour chaque résidu. Troisièmement, ContactSeek calcule le delta-CP : la différence entre la probabilité de contact hors cible et sur cible pour chaque résidu, identifiant des régions de contact consensus (CCR), des groupes de résidus de Cas9 voisins dont les schémas de contact changent de manière cohérente entre les complexes sur cible et hors cible. Quatrièmement, au sein de ces CCR, les résidus présentant les changements de contact les plus forts sont désignés comme résidus déterminant la spécificité et sont prioritaires pour la mutation.
Les résultats sont frappants pour un domaine habitué aux gains marginaux. Une seule mutation dans Cas9, K1020D, a réduit l’édition hors cible d’ABE8e de 83 % sur le site d’ARN guide HEK4 et de 69 % sur ABEsite16, tout en préservant l’activité sur cible. La combinaison de cette mutation Cas9 avec une mutation identifiée par ContactSeek dans le domaine désaminase TadA8e, H29D, a produit un variant que l’équipe appelle ABE8e-DD, qui a atteint une réduction de 99,2 % de l’édition hors cible à l’échelle du génome sur ABEsite16. Ce seul variant a surpassé de multiples variants ABE de haute fidélité développés lors de campagnes d’évolution dirigée antérieures, notamment ABE8e-V28C, V106W et N108Q.
La modularité du cadre est peut-être sa caractéristique la plus importante. ContactSeek n’est pas spécifique à Cas9 ni aux éditeurs de bases adénine. L’équipe l’a appliqué à un éditeur complètement différent : les éditeurs de bases cytosine basés sur LbCas12a (CBE) utilisant la désaminase APOBEC3A. Une mutation de Cas12a, R284E, a réduit l’édition hors cible à l’échelle du génome de 72,4 % sur le site d’ARN guide RUNX1. La combinaison de celle-ci avec une mutation H29D d’APOBEC3A a produit Cas12a(R284E)-A3A(H29D), qui a atteint une réduction de 95,1 % de l’édition hors cible sur plusieurs ARN guides. Le même cadre, la même logique, un éditeur complètement différent.
La portée plus large de ContactSeek dépasse tout résultat unique. L’ingénierie traditionnelle guidée par la structure traite les complexes macromoléculaires comme des assemblages statiques : la structure est la vérité fondamentale, et les décisions d’ingénierie en découlent. ContactSeek traite le complexe comme un ensemble de possibilités. Un résidu qui contacte l’ADN hors cible avec une probabilité élevée mais l’ADN sur cible avec une faible probabilité est un résidu déterminant la spécificité, même si la distance entre les deux états est trop faible pour être mesurée par un alignement structural conventionnel. La méthode extrait un signal du bruit que les structures statiques ne peuvent pas résoudre.
Cette approche probabiliste a sa place naturelle dans l’édition génomique, où la différence entre un traitement et un danger peut être une seule paire de bases mal placée. Mais elle s’étend probablement plus loin. Le même raisonnement, que les distributions de probabilité de contact contiennent des informations que les structures statiques ne contiennent pas, pourrait s’appliquer à tout système biomoléculaire où la spécificité compte : la reconnaissance anticorps-antigène, la sélectivité enzyme-substrat, l’ingénierie des interactions protéine-protéine. Tout processus où la différence entre les cibles correctes et incorrectes est encodée non pas dans l’endroit où une protéine se trouve, mais dans l’endroit où elle pourrait se trouver, est un candidat pour une analyse de type ContactSeek.
Pour l’instant, l’impact immédiat porte sur l’édition de bases. Le variant ABE8e-DD, avec ses deux mutations et l’élimination quasi complète de l’édition hors cible, établit une nouvelle référence pour la fidélité des éditeurs de bases adénine. Le variant Cas12a(R284E)-A3A(H29D) fait de même pour les éditeurs de bases cytosine. Les deux ont été identifiés sans évolution dirigée, sans criblage à haut débit, sans essais et erreurs. ContactSeek les a prédits, et les expériences ont confirmé les prédictions.
Les chercheurs ont rendu ContactSeek v1.0.0 publiquement disponible sur GitHub et Zenodo, ainsi que toutes les sorties de prédiction d’AlphaFold3 et les données de séquençage. Le code est conçu pour fonctionner sur n’importe quel effecteur Cas et n’importe quelle désaminase, à condition de disposer de sites hors cible cartographiés expérimentalement. Le facteur limitant n’est plus la capacité d’ingénierie, mais la qualité des données hors cible introduites dans le modèle.
Ce que ContactSeek démontre en fin de compte, c’est que la résolution d’une structure n’est pas la résolution de la question. Un modèle tridimensionnel précis à l’atome près peut encore manquer les schémas d’interaction qui distinguent une séquence d’ADN d’une autre. La probabilité, et non la position, s’est avérée être la métrique pertinente. C’est une leçon que la biologie structurale, encore en train de rattraper les outils d’IA qui l’ont transformée, continuera d’assimiler pendant un certain temps.
Traduit par Lydie