Comment le spermatozoïde et l’ovule se connectent : découverte grâce à l’intelligence artificielle Alphafold

Des chercheurs ont récemment percé un mystère fondamental de la reproduction. Ils ont découvert comment le spermatozoïde et l’ovule se connectent pour fusionner et initier le processus de la fécondation.

Au cœur de cette avancée : l’utilisation de l’intelligence artificielle, en particulier du logiciel Alphafold, qui a permis d’identifier une protéine clé, la Tmem81, essentielle pour cette union.

Un pont protéique qui unit les gamètes

Jusqu’ici, les scientifiques avaient identifié deux protéines dans les cellules du spermatozoïde qui semblaient jouer un rôle dans la fusion avec l’ovule. Cependant, la découverte de Tmem81 a révélé un mécanisme plus complexe. En réalité, trois protéines s’assemblent au contact de l’ovule pour former un « pont » qui facilite la fusion entre les deux gamètes.

Ce processus, similaire entre espèces, se retrouve chez des organismes aussi variés que le poisson zèbre, la souris et l’humain, ce qui souligne son importance dans le règne animal.

Pourquoi le poisson zèbre est un modèle idéal

Les premières expérimentations ont été menées sur le poisson zèbre, un vertébré génétiquement proche de l’homme et idéal pour les études de reproduction. En effet, ce poisson libère ses gamètes en grande quantité dans l’eau, rendant les tests plus accessibles et reproductibles.

Jusqu’à présent, l’étude des gamètes humains était complexe en raison des limites d’accès aux spermatozoïdes et, surtout, aux ovules pour des recherches expérimentales.

L’apport de l’intelligence artificielle pour décoder la fécondation

L’intelligence artificielle a permis de prédire les configurations possibles des protéines présentes dans les gamètes. Le logiciel Alphafold a réussi à identifier la protéine Tmem81, la « pièce manquante » du puzzle. Cette protéine assure le lien vital entre le spermatozoïde et l’ovule, indispensable pour initier la fécondation.

Après avoir simulé ces interactions in silico (par ordinateur), les chercheurs ont vérifié leurs résultats sur des gamètes réels, d’abord chez le poisson zèbre, puis chez la souris et, enfin, chez l’humain.

Expériences concluantes chez la souris et l’humain

Pour confirmer cette découverte, les scientifiques ont manipulé génétiquement des souris, supprimant la protéine Tmem81. Ils ont observé que ces animaux devenaient stériles en l’absence de cette protéine.

Toutefois, lorsque la production de Tmem81 a été réactivée, les souris sont redevenues fertiles, confirmant ainsi son rôle central dans la reproduction.

Une piste pour lutter contre la stérilité humaine

Cette découverte ouvre de nouvelles perspectives pour traiter la stérilité. Les chercheurs espèrent qu’en étudiant les anomalies des protéines impliquées, ils pourront diagnostiquer et traiter certains cas d’infertilité.

Avec l’intelligence artificielle, les chercheurs peuvent désormais simuler la fécondation et analyser les interactions entre gamètes sans avoir besoin de cellules reproductrices humaines, une avancée majeure pour la recherche en fertilité.

Un mécanisme universel de la fécondation

Ce qui fascine les chercheurs, c’est que ce mécanisme est identique chez différentes espèces, de la souris à l’humain, en passant par le poisson.

Cette universalité souligne l’importance de cette « recette » biologique et pourrait permettre des découvertes encore plus importantes sur les processus de reproduction.

Comment fonctionne AlphaFold ?

AlphaFold prédit les structures protéiques en combinant deep learning et modélisation structurelle. Voici les étapes clés du processus :

1. Entrée des données : La séquence linéaire d’acides aminés de la protéine cible est fournie. AlphaFold génère des alignements de séquences multiples (MSA) pour identifier des séquences similaires dans les bases de données de protéines, obtenant ainsi des informations évolutives.
2. Modélisation : AlphaFold utilise des modèles de deep learning, incluant des transformers, pour analyser les relations entre acides aminés. Les transformers peuvent gérer les relations longues distances dans les séquences, cruciales pour prédire les interactions entre résidus éloignés dans la séquence mais proches en 3D.
3. Prédiction de distances et d’angles : AlphaFold anticipe les distances entre paires d’acides aminés ainsi que les angles des liaisons chimiques, informations essentielles pour définir la forme 3D de la protéine.
4. Assemblage structurel : En utilisant les prédictions de distances et d’angles, AlphaFold assemble la structure 3D en minimisant une fonction d’énergie, éliminant les configurations irréalistes.
5. Évaluation de la prédiction : La structure obtenue est évaluée par rapport aux données expérimentales disponibles. AlphaFold applique ensuite des techniques de raffinement pour optimiser la qualité du modèle final.

Source

Cet article est inspiré par les récentes découvertes scientifiques sur la reproduction, facilitées par l’utilisation de l’intelligence artificielle, notamment Alphafold.

Cette avancée révèle comment trois protéines forment un pont entre le spermatozoïde et l’ovule, permettant leur connexion.

Source : franceinfo – Radio France / Datascientest.com