Physics informed machine learning predicts binding free energy changes in protein-RNA complexes upon mutations

Introduction : l’intelligence artificielle au service de la biologie moléculaire

Les interactions entre protéines et ARN jouent un rôle essentiel dans la régulation de l’expression des gènes et dans de nombreux mécanismes cellulaires. Comprendre comment une mutation modifie ces interactions constitue un enjeu majeur pour la recherche biomédicale, l’étude des maladies et l’identification de nouvelles cibles thérapeutiques.

Publié en 2026 dans la revue Communications Biology, l’article de Wang Xu, Houfang Zhang, Xinyi Zhao, Shankai Yan, Yunjie Zhao et Yun Hui Peng présente Pred-MutPRI, un modèle d’apprentissage automatique conçu pour prédire les variations d’énergie libre de liaison provoquées par des mutations dans les complexes protéine-ARN.

Cette recherche répond à une difficulté importante de la modélisation moléculaire : anticiper les conséquences d’une modification génétique sur la stabilité d’une interaction biologique, alors que les données expérimentales demeurent limitées, hétérogènes et inégalement réparties entre les différentes catégories de mutations.

Pred-MutPRI : une méthode hybride associant physique et apprentissage automatique

Prédire les variations d’énergie libre de liaison

L’énergie libre de liaison caractérise la stabilité thermodynamique de l’association entre deux molécules. Sa variation, notée ΔΔG, permet d’évaluer l’effet d’une mutation sur une interaction entre une protéine et un ARN.

Cette mesure contribue à identifier les mutations susceptibles de renforcer ou d’affaiblir une interaction moléculaire. Sa prédiction reste cependant complexe en raison de la rareté des mesures expérimentales, de la diversité des protocoles et du déséquilibre entre les types de substitutions observés.

Pred-MutPRI vise à surmonter ces obstacles en combinant plusieurs sources d’information moléculaire au sein d’un même cadre prédictif.

Harmoniser les données et réduire les biais d’apprentissage

Les chercheurs ont constitué un jeu de données unifié regroupant des valeurs expérimentales de ΔΔG, normalisées selon des conventions thermodynamiques communes.

Ils ont également introduit une méthode appelée permutation thermodynamique (thermodynamic permutation, PT). Cette procédure génère des paires d’apprentissage cohérentes avec les relations thermodynamiques, élargissant ainsi la couverture des substitutions tout en réduisant les biais liés à leur représentation inégale.

Cette stratégie répond à une limite fréquente de l’apprentissage automatique appliqué à la biologie : un modèle entraîné sur des données déséquilibrées risque de privilégier les mutations les plus fréquentes et de moins bien généraliser à des situations inédites.

Combiner structure moléculaire, séquence et contraintes physiques

Pred-MutPRI exploite plusieurs catégories de caractéristiques complémentaires :

• Des descripteurs structuraux classiques, qui décrivent l’environnement moléculaire du complexe.
• Des réseaux d’interactions atomiques pondérés, qui représentent explicitement le microenvironnement du site de liaison.
• Un terme d’entropie masquée issu d’ESM-2, qui caractérise les contraintes de séquence dépendantes du contexte.
• Un descripteur de contrainte effective locale dérivé d’AlphaFold 3, qui résume les déformations structurales associées aux mutations à partir de plusieurs prédictions de structures mutantes.

Ces informations sont ensuite exploitées par un régresseur XGBoost, chargé d’estimer les variations d’énergie libre de liaison.

L’intérêt de cette architecture réside dans l’intégration cohérente de données expérimentales, de caractéristiques structurales et d’indicateurs issus de modèles spécialisés, plutôt que dans l’utilisation isolée d’un algorithme.

Des résultats prometteurs sur des données indépendantes

Une généralisation évaluée sur un ensemble de test distinct

Selon les auteurs, Pred-MutPRI atteint un coefficient de corrélation de Pearson de 0,705 sur un ensemble de test aveugle, distinct des données d’entraînement au niveau des séquences et présentant un chevauchement structurel limité.

Cette configuration permet d’évaluer plus rigoureusement la capacité du modèle à traiter des exemples moins directement apparentés à ceux rencontrés pendant l’apprentissage.

Les auteurs indiquent également que Pred-MutPRI surpasse les prédicteurs existants dans leurs comparaisons expérimentales.

Le coefficient obtenu traduit une association positive substantielle entre les prédictions et les observations expérimentales. Il ne signifie toutefois pas que 70,5 % des prédictions sont exactes. La corrélation ne mesure pas, à elle seule, l’erreur absolue, la calibration ou la précision de chaque estimation individuelle.

Ces résultats sont encourageants, mais des validations complémentaires sur des systèmes biologiques variés restent nécessaires pour préciser le domaine de validité du modèle.

AlphaFold 3 : un apport structural, sans équivalence avec la thermodynamique

De la structure tridimensionnelle à la prédiction fonctionnelle

Les progrès d’AlphaFold ont considérablement facilité l’accès aux structures tridimensionnelles des protéines. Les ressources associées permettent aux chercheurs d’explorer de nombreux modèles structuraux et de formuler des hypothèses sur les mécanismes moléculaires.

AlphaFold 3 étend ces capacités à la prédiction de complexes impliquant diverses biomolécules, notamment des protéines et des acides nucléiques. Dans Pred-MutPRI, les prédictions structurales contribuent à construire un indicateur de contrainte locale associé aux mutations.

Une distinction fondamentale demeure cependant nécessaire : prédire une structure moléculaire ne revient pas à prédire directement une variation d’énergie libre de liaison.

La structure fournit une représentation spatiale du système, mais elle ne détermine pas à elle seule l’ensemble des contributions thermodynamiques qui gouvernent la liaison. Les effets entropiques, les réorganisations moléculaires et les conditions expérimentales influencent également la stabilité des interactions.

Pred-MutPRI illustre donc l’intérêt d’intégrer les modèles structuraux à une architecture prédictive plus large, sans les considérer comme des calculateurs directs de l’énergie libre.

Des applications potentielles pour la recherche biomédicale

Prioriser les mutations et explorer les mécanismes biologiques

La prédiction des variations d’énergie libre de liaison pourrait contribuer à plusieurs domaines de recherche :

• Régulation génétique : identifier les mutations susceptibles de modifier les interactions entre protéines et ARN.
• Recherche sur les maladies : étudier les changements moléculaires susceptibles d’affecter des processus biologiques.
• Développement thérapeutique : prioriser certaines interactions et cibles moléculaires en vue d’expériences complémentaires.
• Planification expérimentale : hiérarchiser les mutations candidates avant les essais en laboratoire et limiter certaines explorations peu informatives.

Ces perspectives restent conditionnelles. Une variation d’énergie libre prédite ne démontre pas, à elle seule, qu’une mutation provoque une maladie, qu’un agent pathogène devient plus vulnérable au système immunitaire ou qu’un traitement sera efficace. De telles conclusions exigent des validations biologiques et expérimentales spécifiques.

Accessibilité scientifique et reproductibilité

Les auteurs mettent à disposition le jeu de données et le package Python associés au projet, facilitant l’examen de la méthode et sa réutilisation potentielle par la communauté scientifique.

• Dépôt du projet : Pred-MutPRI sur GitHub.
• Publication scientifique : article dans Communications Biology.

La disponibilité de ces ressources favorise la reproductibilité. Leur réutilisation suppose néanmoins de tenir compte des conditions d’entraînement, de la qualité des données d’entrée et du domaine de validité des prédictions.

Conclusion : vers une intelligence artificielle moléculaire plus robuste

Pred-MutPRI illustre une évolution importante de l’intelligence artificielle appliquée aux sciences du vivant : l’association de l’apprentissage statistique, des connaissances physiques et des informations structurales pour mieux anticiper des phénomènes moléculaires complexes.

Le coefficient de corrélation de 0,705 obtenu sur un ensemble de test indépendant, combiné à une stratégie visant à limiter les biais liés à la répartition des mutations, souligne le potentiel de cette approche pour l’étude des interactions protéine-ARN.

La portée de ces résultats doit néanmoins être appréciée avec rigueur. Pred-MutPRI constitue un outil de prédiction et de priorisation, et non un substitut aux mesures thermodynamiques ou à la validation biologique. Son intérêt réside dans sa capacité potentielle à orienter les expériences, à mieux caractériser les effets des mutations et à soutenir les travaux de recherche biomédicale.

À mesure que progressent les données expérimentales, les modèles de séquence et les outils de prédiction structurale, ces approches hybrides pourraient contribuer à mieux relier les modifications moléculaires à leurs conséquences fonctionnelles.