Le livre de cuisine des protéines express
Une immense cuisine : chaque recette est une protéine, et le plat final, c'est son travail dans la cellule. Pour préparer un mets complexe, il faut souvent mélanger plusieurs ingrédients et les laisser « prendre » dans la bonne forme. Jusqu'ici, les chefs-scientifiques ne pouvaient que deviner comment les recettes des autres se replieraient. Le nouveau programme OpenDDE agit comme un chef expérimenté : il ne se contente pas de lire la recette, il voit immédiatement comment les protéines se « replient » ensemble (repliement coopératif) et comment cela affecte leur fonction.
La grande nouveauté, c'est qu'OpenDDE n'est pas qu'un outil de prédiction de forme. C'est une base sur laquelle on peut construire un système de création de nouveaux médicaments : de la « conception » informatique des molécules à l'évaluation de leur efficacité. Les auteurs ont identifié deux pistes pour améliorer ces modèles : augmenter les données et la puissance de calcul. C'est comme trouver un ingrédient secret et une cuisinière plus puissante, qui ensemble rendent les plats toujours meilleurs. Désormais, n'importe quel chercheur dans le monde peut télécharger ce « moteur culinaire » et commencer à préparer ses propres médicaments. Ainsi, le livre de recettes commun qui a tout déclenché se transforme en une cuisine vivante, où chaque chef ajoute sa touche.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.03787
Accurately modeling biomolecular interactions is a central bottleneck in biology and therapeutic discovery. Here, we introduce Open Drug Discovery Engine (OpenDDE), an open-source, all-atom biomolecular foundation model that uses co-folding as the entry point to a scalable AI-driven drug discovery engine. Rather than treating structure prediction as an isolated endpoint, OpenDDE is designed as a shared structural reasoning layer for modeling sequence-structure-function relationships across biomolecular complexes, enabling complex structure prediction today while providing a foundation for de novo design, affinity estimation, structure-conditioned optimization, and more. OpenDDE integrates advances in all-atom architecture, atomic latent reasoning, inference optimization, and large-scale data processing to achieve IsoDDE-level co-folding accuracy within a reproducible and openly accessible framework. We also identify two scaling-law directions for co-folding models, revealing practical routes for continued improvement through data, model, inference, and training scaling. By releasing training code, inference pipelines, checkpoints, and benchmarks, OpenDDE aims to democratize access to frontier biomolecular intelligence, accelerate global collaboration, and lay an open foundation for next-generation drug discovery systems that can move from predicting molecular structures toward designing, scoring, and optimizing therapeutic candidates for human health.
Les protéines de notre corps se replient en structures tridimensionnelles complexes en une fraction de seconde, mais un mauvais repliement peut entraîner des maladies, comme la maladie d'Alzheimer.
Dans le film « Je suis une légende », un scientifique cherche seul un remède contre un virus ; OpenDDE rapproche un monde où ces recherches deviennent l'affaire d'un réseau mondial de chercheurs.