Comment voir la forme d'une molécule au microscope express
Le microscope à effet tunnel sonde une molécule avec une aiguille très fine et en dessine le relief. Mais l'image est plane, alors que la molécule est volumineuse. Comment deviner la posture d'une personne à partir de son ombre sur un mur ? Les scientifiques ont construit un « traducteur d'ombres en volume » — un réseau de neurones qui reconstruit la forme tridimensionnelle d'une molécule à partir de son empreinte.
D'abord, le réseau a été entraîné sur des millions d'images synthétiques. L'ordinateur calculait à quoi ressemblerait la molécule sous le microscope si elle était posée d'une manière ou d'une autre. Puis on lui montrait une image réelle — et le réseau proposait la posture la plus probable. Pour le peptide bradykinine, l'erreur était inférieure à deux angströms — c'est dix fois plus fin qu'un cheveu humain.
La méthode a également été testée sur des sucres — les glycanes. Ils sont plus flexibles que les protéines, donc l'erreur est un peu plus grande — jusqu'à quatre angströms. Mais même ainsi, l'ordinateur a correctement trouvé la position des cycles et des liaisons. Ce n'est plus seulement une jolie image, mais un outil de travail pour les chimistes et les biologistes.
Désormais, déterminer la structure d'une molécule prend des minutes, et non des semaines. On peut vérifier plus rapidement comment un médicament se fixe sur sa cible, ou comment une mutation modifie la forme d'une protéine. L'ombre sur le mur s'est mise à parler.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2603.07706
Improving the detailed understanding of the underlying properties and functions of biomolecules has recently attracted growing interest, enabled by the possibility of real-space imaging of single, intact macromolecules using Scanning Tunneling Microscopy (STM) in combination with electrospray ion beam deposition and soft landing. This combination provides key insights into biomolecular behavior, but it also imposes stringent requirements on rapid and reliable data analysis. A major limiting factor for applying machine learning to STM images is often the scarcity of training data, caused by the long acquisition times required for both experimental imaging and high-accuracy simulations. Here, we propose a framework for the rapid generation of three-dimensional structures of glycans, peptides, and glycopeptides and their corresponding STM-like image simulations, based on state-of-the-art, machine-learning-accelerated Density Functional Theory (DFT). We generate datasets for the polypeptide bradykinin and for a representative glycan molecule, and we train a conformer estimation model to predict a molecule's three-dimensional structure from an STM image. On synthetic data, our approach achieves high accuracy, with median atomic deviations below $$2\,\AA{}$$ for peptides and below $$4\,\AA{}$$ for glycans. Application to experimental data predominantly yields a precise, reliable, and visually convincing determination of the local positions of molecular subunits. The application to experimental data represents an important milestone towards a fully automated structural search pipeline for complex, biologically relevant systems imaged with STM.
Un angström est un dix-milliardième de mètre. Le diamètre d'un atome d'hydrogène est d'environ un angström.
Dans la série « Star Trek », le tricordeur médical déterminait la composition d'une substance en quelques secondes. Notre méthode est un petit pas vers un tel scanner.