Biohub libère en open source une intelligence artificielle capable de cartographier 6,8 milliards de protéines : voici son impact sur la découverte de médicaments

ESMC (ESM Cambrian) – Il s'agit d'un modèle linguistique appliqué aux protéines, entraîné sur environ 2,8 milliards de séquences provenant d'organismes de toutes les branches de la vie, y compris des extrêmophiles et plus de 20 000 types de protéines du corps humain . ESMC n'est pas une simple évolution des modèles ESM3 génératifs, mais une branche parallèle : là où ESM3 se concentre sur la génération contrôlée de protéines à des fins thérapeutiques, ESMC excelle dans la création de représentations captant la biologie fondamentale des protéines . Biohub le positionne comme un successeur direct et plus performant des modèles antérieurs, comme ESM2 .

ESMFold2 – C'est le module de prédiction de structure intégré à l'architecture ESM3. Capable de déterminer la conformation 3D des protéines à un niveau atomique directement à partir de leur séquence, il atteint une vitesse et une précision inégalées. Sa rapidité provient du fait qu'il s'affranchit des alignements de séquences multiples, méthodologie traditionnelle qui ralentissait jusqu'alors ce type de traitement . Cette vélocité est précisément ce qui rend possible une couverture structurelle à très grande échelle.

L'Atlas ESM – C'est sans doute l'élément le plus frappant. L'Atlas métagénomique originel, publié par Meta FAIR, couvrait environ 600 millions de structures protéiques . La nouvelle version, enrichie par Biohub, cartographie désormais 6,8 milliards de protéines et propose 1,1 milliard de structures prédites, un bond en avant d'un ordre de grandeur qui offre une couverture sans précédent de l'univers protéique .

À cela s'ajoute le modèle génératif esm3-sm-open-v1. Entraîné sur 2,78 milliards de protéines naturelles puis augmenté avec des données synthétiques pour atteindre un corpus de 3,15 milliards de séquences, 236 millions de structures et 539 millions d'annotations fonctionnelles (soit 771 milliards de « tokens », les unités de base des données pour l'IA), il est diffusé sous une licence limitant son utilisation à des fins non commerciales par des organisations académiques et à but non lucratif .

Une accélération radicale de la découverte de médicaments

L'intérêt pratique de ces outils réside dans le gain de rapidité et d'échelle. Traditionnellement, concevoir et valider une protéine thérapeutique capable de se lier à une cible est un processus long et itératif qui mobilise plusieurs mois, voire des années, de travail en laboratoire humide. Les outils de Biohub compressent ce délai en quelques semaines, ou même quelques jours, grâce à trois capacités clés :

• Conception de novo de liants protéiques : les scientifiques peuvent désormais concevoir de manière entièrement informatique des protéines se fixant spécifiquement sur des marqueurs de maladies, générant des candidats-médicaments avant toute manipulation en laboratoire .
• Cartographie de la « matière noire » protéique : l'immense majorité des protéines n'a jamais été caractérisée expérimentalement. L'Atlas ESM, par ses prédictions massives, permet aux chercheurs d'explorer ces territoires inconnus par le calcul .
• Criblage informatique à haut débit : des milliards de séquences peuvent être passées au crible numériquement, diminuant drastiquement les coûts et le taux d'échec des premières phases de développement de principes actifs .

La preuve par le laboratoire : des « liants » qui fonctionnent

Les protéines conçues par intelligence artificielle se heurtent souvent à un scepticisme récurrent : prometteuses sur un écran, elles échouent une fois mises en présence de leur cible réelle. Biohub affirme que ses modèles franchissent cet obstacle critique. Les liants élaborés intégralement in silico ont été validés lors d'expériences concrètes en laboratoire : les protéines imaginées par l'IA se sont effectivement fixées sur leurs cibles .

Alex Rives, directeur scientifique de Biohub, a déclaré : « Ces modèles ont acquis une représentation tellement précise des processus biologiques qu'elle permet la conception computationnelle d'interfaces protéiques, que l'on peut ensuite tester en laboratoire et en obtenir les résultats escomptés » . En d'autres termes, les modèles ont capturé suffisamment de biologie fondamentale pour produire des designs fonctionnels sans nécessiter d'interminables cycles d'optimisation en milieu humide.

Connexion avec l'initiative « Virtual Biology » à 500 millions de dollars

Le 29 avril 2026, Biohub a lancé la Virtual Biology Initiative (VBI), un engagement de 500 millions de dollars sur cinq ans visant à rassembler les jeux de données et les modèles d'IA nécessaires à la simulation prédictive de la cellule humaine . Sur ce montant, 100 millions sont dédiés à la coordination mondiale des efforts de génération de données, et 400 millions servent à produire ces données à grande échelle et à développer les technologies de prochaine génération pour mesurer, imager et manipuler le vivant .

La publication de ce modèle protéique mondial constitue le premier jalon scientifique majeur de cette initiative. La VBI fédère un nombre impressionnant d'institutions parmi les plus prestigieuses en biologie et en technologie, notamment le Broad Institute, l'Allen Institute, l'Arc Institute, le Wellcome Sanger Institute, le Human Cell Atlas, le Human Protein Atlas, NVIDIA et Renaissance Philanthropy .

Origines : l'héritage des recherches ESM de Meta FAIR

La famille de modèles ESM n'est pas née à Biohub, mais au sein de Meta AI et spécifiquement de son laboratoire FAIR (Facebook AI Research). L'équipe publia les premiers modèles ESM-1 et diffusa l'ESMFold originel dans la prestigieuse revue Science en 2023, générant ainsi les prédictions des 600 millions de premières structures de l'Atlas métagénomique, ce qui constituait alors la plus vaste base de données de structures prédites à haute résolution .

Lorsque l'équipe à l'origine de ces travaux quitta Meta pour créer la start-up EvolutionaryScale, c'est Biohub qui prit le relais et poursuivit les recherches dans un cadre de science ouverte et philanthropique . Cette publication de quatrième génération s'inscrit donc directement dans cette lignée, portée aujourd'hui par Biohub sous une philosophie résolument open source.

Où trouver et utiliser ces modèles

Pour garantir une large adoption, les chercheurs peuvent expérimenter avec ces outils via une multitude de plateformes :

• Hugging Face : Les poids (les « paramètres ») des modèles esm3-sm-open-v1 et ESMC 600M sont hébergés sur huggingface.co/biohub/ sous une licence d'utilisation non commerciale pour les organisations académiques et à but non lucratif .
• Portail Biohub : Un point d'entrée complet, biohub.org/ai-models, pour explorer et télécharger les modèles .
• GitHub : Le code source, les poids des modèles et des cas d'usage pratiques y sont partagés, poursuivant la tradition initiée avec les précédents ESM .
• AWS SageMaker : Des carnets de déploiement préconstruits permettent de dimensionner en quelques clics l'usage d'ESM3 et d'ESMC sur l'infrastructure cloud d'Amazon .
• Forge (Biohub) : Une API hébergée pour expérimenter de manière interactive avec les modèles .