AlphaFold prédit la forme en trois dimensions d'une protéine à partir de sa seule séquence d'acides aminés. Ce système de Google DeepMind a valu le prix Nobel de chimie 2024 à ses concepteurs, et sa base publique dépasse aujourd'hui 241 millions de structures, consultables gratuitement.
Il concerne les professionnels dont l'activité touche à la recherche, à la biologie médicale, à la génétique ou à l'enseignement. Ses prédictions ne sont ni prévues, ni validées, ni approuvées pour un usage clinique. Voici les profils concernés, les conditions d'accès selon votre structure, et la façon de lire un résultat.
Sommaire
- AlphaFold : définition et fiche technique
- Ce que prédit AlphaFold
- AlphaFold pour les professionnels de santé
- Accès : base de données, serveur, code
- Prix et coûts réels
- Les scores de confiance pLDDT et PAE
- Licence et conditions d'utilisation
- Les complexes protéiques dans la base
- AlphaMissense et les variants faux-sens
- AlphaFold dans la recherche biomédicale
- Les limites connues d'AlphaFold
- Comment utiliser AlphaFold en pratique
- Points forts et points de vigilance
- Notre avis sur AlphaFold
- Questions fréquentes sur AlphaFold
AlphaFold : définition et fiche technique
Le projet est né dans les laboratoires de Google DeepMind, à Londres. Sa deuxième version a été publiée en 2021. Elle a valu le prix Nobel de chimie 2024 à David Baker, Demis Hassabis et John Jumper. La troisième version, sortie en 2024, a été développée avec Isomorphic Labs, la filiale de DeepMind consacrée au médicament.
- Concepteur
- Google DeepMind, avec Isomorphic Labs pour la version 3
- Nature de l'outil
- Modèle d'apprentissage profond qui prédit des structures biomoléculaires
- Base de données publique
- AlphaFold Protein Structure Database, développée et hébergée avec l'EMBL-EBI
- Couverture
- Plus de 241 millions de structures prédites, version 6 alignée sur UniProt 2025_03
- Service en ligne
- AlphaFold Server, propulsé par AlphaFold 3, avec un compte Google
- Code source
- Code des deux versions sous licence Apache 2.0. Paramètres soumis à des conditions distinctes
- Public concerné
- Biologistes médicaux, généticiens, internes, doctorants, pharmaciens, enseignants en santé
- Coût
- Gratuit, y compris la consultation et le téléchargement des structures
- Usage clinique
- Aucun. Modèle de recherche, non validé ni approuvé pour le soin ou le diagnostic
- Accès à la base
- alphafold.ebi.ac.uk
Avant d'entrer dans le détail, voici les briques que recouvre le nom AlphaFold. Elles ne s'utilisent pas de la même façon et ne relèvent pas des mêmes conditions.
Le réseau de neurones lui-même, entraîné sur les structures expérimentales connues de la Protein Data Bank.
Des centaines de millions de structures déjà calculées, consultables sans compte ni installation.
Une interface qui lance une prédiction sur vos propres séquences, protéines, ADN, ARN ou ligands.
Le pLDDT et la matrice PAE, qui indiquent quelles zones du modèle méritent d'être exploitées.
Un modèle dérivé qui note la probabilité de pathogénicité des variants faux-sens du protéome humain.
Les programmes d'inférence, installables en local par les équipes qui disposent de moyens de calcul.
Ce que prédit AlphaFold
La confusion la plus fréquente porte sur la nature du résultat. AlphaFold ne fournit pas une mesure expérimentale. Il produit un modèle calculé, assorti d'une estimation de sa propre fiabilité.
Les prédictions produites par le modèle
À partir d'une séquence, le système propose une position pour chaque atome de la protéine. La version 3 va plus loin. Elle modélise l'assemblage d'une protéine avec de l'ADN, de l'ARN, un ion ou un ligand.
- Structure d'une chaîne unique, le cas le plus courant et le mieux maîtrisé
- Assemblages de plusieurs chaînes, dimères et complexes
- Interactions avec de petites molécules, utiles au criblage de candidats-médicaments
- Indice de confiance par résidu, fourni avec chaque modèle
Ce qu'AlphaFold ne prédit pas
Le modèle donne une photographie, pas un film. Il ne décrit ni le mouvement de la protéine, ni ses changements de forme au fil d'une réaction. L'effet précis d'une mutation sur la stabilité lui échappe aussi.
Il ne dit pas non plus si la protéine est réellement produite dans un tissu donné, ni à quelle concentration. Et il ne relève d'aucun cadre de dispositif médical, contrairement aux outils d'aide à la décision utilisés au lit du patient.
Un point de prudence mérite d'être connu. Le serveur de prédiction reçoit les séquences que vous saisissez, et sa politique de confidentialité prévoit leur conservation. Aucune donnée confidentielle ou identifiante ne doit y être soumise sans vérification préalable.
Une structure AlphaFold n'est pas une structure expérimentale. Elle ne remplace ni la cristallographie aux rayons X, ni la résonance magnétique nucléaire, ni la cryo-microscopie électronique. Elle oriente l'expérience, elle ne la conclut pas.
AlphaFold pour les professionnels de santé
AlphaFold ne concerne pas tous les professionnels de santé. Il devient utile dès que l'exercice comporte une part de recherche, de biologie ou d'enseignement. Voici les situations de travail où il apporte quelque chose de tangible, et ce que chacune implique.
Biologistes médicaux et équipes de laboratoire
En laboratoire de biologie médicale, l'outil sert surtout au versant méthode et veille. Situer une enzyme, comprendre un mécanisme de résistance bactérienne, préparer une mise au point technique.
- Gain concret : une structure consultée en deux minutes, sans installation ni budget
- Cadre d'exercice : CHU, laboratoire hospitalier, plateau technique de recherche
- Point de vigilance : restriction de licence pour les laboratoires privés
- À combiner avec : les outils métier du système d'information de laboratoire
Le sujet rejoint la part scientifique du métier de biologiste médical, distincte de son activité de validation.
Internes, doctorants et recherche clinique
C'est le terrain naturel de l'outil. Formulation d'hypothèses, choix de cibles, préparation de protocoles, illustration de publications et de posters de congrès.
- Gain concret : des semaines de biologie structurale évitées en amont d'un projet
- Cadre d'exercice : unité de recherche, équipe translationnelle, thèse d'exercice
- Point de vigilance : citation des travaux d'origine attendue dans toute publication
Les profils vont du doctorant à l'attaché de recherche clinique qui suit un programme translationnel.
Généticiens et conseillers en génétique
Les scores AlphaMissense donnent un éclairage structural sur un variant de signification incertaine. Ils interviennent en amont du travail d'interprétation, jamais à sa place.
- Gain concret : visualisation du variant dans son contexte tridimensionnel
- Cadre d'exercice : laboratoire de génétique moléculaire, projet maladies rares
- Point de vigilance : aucune valeur de classification pour un compte rendu
Pharmaciens et métiers du médicament
Côté industrie et officine hospitalière, l'intérêt porte sur la compréhension des cibles thérapeutiques et sur le suivi des programmes de recherche en cours.
- Gain concret : lecture éclairée des publications de développement de molécules
- Cadre d'exercice : industrie pharmaceutique, pharmacie à usage intérieur, affaires réglementaires
- Point de vigilance : seule la version 2 reste accessible à une structure commerciale
Enseignants et formateurs en santé
Montrer une protéine en trois dimensions à une promotion ne demande plus qu'un navigateur et un identifiant UniProt.
- Gain concret : support visuel gratuit pour un cours de biochimie ou de pharmacologie
- Cadre d'exercice : IFSI, faculté de médecine ou de pharmacie, école de sages-femmes
- Point de vigilance : occasion de travailler la lecture critique d'un résultat produit par une IA
Accès à AlphaFold : base de données, serveur, code
On consulte une structure déjà calculée, on en lance une nouvelle, ou on installe le modèle en local. Les conditions diffèrent à chaque fois.
La base de données AlphaFold
C'est la porte d'entrée la plus simple. On saisit un nom de protéine, un identifiant UniProt ou un gène, et la structure s'affiche dans un visualiseur 3D. Le fichier se télécharge au format PDB ou mmCIF, avec la matrice d'erreur associée.
La version 6, publiée en octobre 2025, a réaligné la base sur la version 2025_03 d'UniProt et porté sa couverture à 241 070 489 prédictions. Elle intègre les annotations directement dans le visualiseur et couvre désormais les isoformes. Aucun compte n'est demandé.
AlphaFold Server
Le serveur en ligne sert à prédire une structure qui n'existe pas encore dans la base. Il fonctionne avec un compte Google, sans installation, et sa documentation fixe le quota journalier. Il accepte des combinaisons de protéines, d'ADN, d'ARN, d'ions et d'une liste fermée de ligands courants comme l'ATP ou l'hème.
Le code source installé en local
Les équipes qui traitent des volumes importants installent le modèle sur leurs propres serveurs. Le code des deux versions est public sous licence Apache 2.0. La différence porte sur les paramètres entraînés, librement téléchargeables pour la version 2, délivrés sur demande et après vérification du statut de l'organisation pour la version 3.
| Voie d'accès | Ce que vous obtenez | Conditions |
|---|---|---|
| Base de données AlphaFold | Structures déjà calculées, scores de confiance, fichiers téléchargeables | Libre, sans compte, réutilisation sous licence Creative Commons |
| AlphaFold Server | Prédiction à la demande sur vos séquences, y compris des complexes | Compte Google, usage non commercial uniquement |
| Code AlphaFold 2 | Modèle complet installable, adaptable au flux de travail du laboratoire | Code Apache 2.0, paramètres sous licence CC BY 4.0, usage commercial autorisé |
| Code AlphaFold 3 | Modèle le plus récent, calcul sur infrastructure locale | Code Apache 2.0, paramètres délivrés sur demande aux organisations non commerciales |
Prix et coûts réels d'AlphaFold
Aucune brique n'est payante. Ni abonnement, ni licence à acheter, ni version professionnelle. Les coûts qui existent sont ailleurs, dans l'infrastructure et dans les quotas.
| Poste | Coût | Ce qu'il faut savoir |
|---|---|---|
| Consultation de la base | Gratuit | Sans compte, téléchargement des fichiers de structure compris |
| AlphaFold Server | Gratuit | 20 prédictions par jour et par compte, quota remis à zéro chaque nuit |
| Code et paramètres | Gratuit | Paramètres de la version 3 délivrés sur demande, après vérification du statut |
| Installation locale | Coût d'infrastructure | Environ 3 To de bases génétiques et un GPU récent pour faire tourner le modèle |
| Téléchargement massif | Coût de stockage et de transfert | Le jeu de données complet se compte en dizaines de téraoctets |
Le quota du serveur est la limite qui se rencontre le plus vite. Sa documentation indique 20 travaux par jour et par utilisateur, avec un plafond de taille par prédiction. Les projets à fort volume passent donc par une installation locale, ce qui déplace la question du prix vers le calcul et le stockage.
Pour un établissement, le vrai budget n'est pas l'outil mais le temps humain. Interpréter une structure, croiser un score de confiance et confronter le modèle aux données expérimentales demande une compétence, pas une licence.
Les scores de confiance pLDDT et PAE
Chaque structure arrive avec deux indicateurs. Les ignorer revient à travailler sur des zones que le modèle lui-même juge peu fiables.
Le score pLDDT
Le pLDDT va de 0 à 100 et se lit acide aminé par acide aminé. C'est lui qui donne son code couleur au visualiseur. Une moyenne élevée ne dit rien d'une boucle isolée qui, elle, peut s'effondrer sous 40.
| Niveau | Score pLDDT | Interprétation courante |
|---|---|---|
| Très élevé | Supérieur à 90 | Squelette et chaînes latérales généralement bien placés |
| Élevé | Entre 70 et 90 | Squelette correct, certaines chaînes latérales mal positionnées |
| Faible | Entre 50 et 70 | À manipuler avec prudence, zone à vérifier |
| Très faible | Inférieur à 50 | Région souvent désordonnée ou non prédictible en l'état |
L'EMBL-EBI rappelle dans son module de formation sur les scores de confiance qu'un pLDDT bas recouvre deux situations distinctes. Soit la région est naturellement flexible, soit le modèle manque d'information pour trancher.
La matrice PAE
Le PAE mesure autre chose. Il indique l'erreur attendue sur la position d'un domaine par rapport à un autre. Deux domaines peuvent être parfaitement modélisés chacun de leur côté et mal orientés l'un vis-à-vis de l'autre.
Un score élevé ne garantit pas la réalité biologique. Le facteur d'initiation 4E-BP2 en donne l'exemple. AlphaFold lui prédit une hélice avec une forte confiance, alors que la protéine n'adopte cette forme qu'une fois liée à son partenaire. La structure liée figurait dans les données d'entraînement.
Licence et conditions d'utilisation d'AlphaFold
Ce point est le plus souvent négligé, et c'est celui qui bloque le plus de projets. Les deux versions du modèle ne sont pas ouvertes de la même manière.
| Critère | AlphaFold 2 | AlphaFold 3 |
|---|---|---|
| Licence du code source | Apache 2.0 | Apache 2.0 |
| Paramètres du modèle | Licence CC BY 4.0, téléchargement libre | Conditions propres, délivrance sur demande |
| Usage commercial des paramètres | Autorisé | Exclu |
| Organisations éligibles aux paramètres | Toutes | Universités, associations, instituts de recherche, organismes publics et éducatifs |
| Amarrage et criblage automatisés | Possible | Interdit à partir des sorties du serveur |
| Entraînement d'un autre modèle de prédiction | Possible | Interdit |
| Publication des résultats | Libre | Autorisée, avec mention des conditions d'origine |
La conséquence est concrète. Un laboratoire d'analyses privé, une clinique à but lucratif ou un industriel du médicament ne sont pas autorisés à utiliser AlphaFold Server ni ses sorties dans le cadre de leurs activités. La restriction est contractuelle et non technique, et elle vaut même pour un projet sans finalité commerciale. Les conditions d'utilisation des paramètres, publiées sur le dépôt officiel d'AlphaFold 3, réservent l'accès aux organisations non commerciales.
Ces structures disposent d'une autre voie. Le code d'AlphaFold 2 relève d'Apache 2.0 et ses paramètres de la licence CC BY 4.0, qui autorise l'usage commercial avec attribution.
Les mêmes conditions sont explicites sur un autre point. Le modèle sert à de la modélisation théorique. Il n'est ni prévu, ni validé, ni approuvé pour un usage clinique, et ses résultats ne remplacent pas l'avis d'un professionnel qualifié.
Les structures publiées dans la base de données suivent une autre logique. Elles sont diffusées sous licence Creative Commons et restent réutilisables, y compris par une entreprise, à condition de citer la source.
Les complexes protéiques dans la base AlphaFold
Pendant longtemps, la base ne contenait que des chaînes isolées. C'est une limite sérieuse en biologie, car une protéine agit rarement seule.
En mars 2026, l'EMBL-EBI, Google DeepMind, NVIDIA et l'université nationale de Séoul ont annoncé l'ajout de complexes protéiques à la base. D'après le communiqué de l'EMBL, 1,7 million d'homodimères à haute confiance ont été intégrés, sur 30 millions de complexes calculés. Une mise à jour de mai 2026 y a ajouté près de 80 000 hétérodimères.
Le choix des cibles suit deux priorités. D'abord 20 espèces parmi les plus étudiées, ensuite la liste des pathogènes prioritaires de l'Organisation mondiale de la santé. Le même communiqué chiffre à environ 17 millions d'heures de calcul GPU le recalcul de ces données. Il annonce aussi plus de 3,4 millions d'utilisateurs de la base, dans 190 pays.
AlphaMissense et les variants faux-sens
Un modèle dérivé, AlphaMissense, attribue à chaque variant faux-sens du protéome humain un score entre 0 et 1, qui reflète sa prédiction d'un effet pathogène. Ces scores sont consultables dans la base, superposés à la structure prédite.
- De 0 à 0,34 : variant probablement bénin
- De 0,34 à 0,564 : zone d'incertitude
- De 0,564 à 1 : variant probablement pathogène
Ces seuils ont été calibrés par les auteurs du modèle sur les données ClinVar, avec un objectif de 90 % de précision pour les deux classes extrêmes.
Un point compte davantage pour l'interprétation clinique, et il est peu connu. Le groupe de travail ClinGen sur l'interprétation des variants a recalibré ces scores en 2025 pour le cadre ACMG/AMP. Ses conclusions retiennent des seuils plus stricts que ceux du modèle, à partir de 0,792 pour le critère PP3 et en dessous de 0,169 pour BP4.
Autrement dit, le seuil de 0,564 affiché dans la base n'atteint pas le niveau de preuve exigé en classification. Le score reste un élément de preuve computationnel parmi d'autres, utilisable dans un cadre validé et selon les procédures du laboratoire. Il ne constitue jamais à lui seul la classification portée au compte rendu par un médecin généticien.
AlphaFold dans la recherche biomédicale
L'effet le plus visible porte sur le temps. Le second porte sur le coût d'entrée dans la biologie structurale.
Un gain de temps sur la biologie structurale
Dans un article publié en mars 2026 dans la revue médecine/sciences, éditée par l'Inserm, Laurent Aussel résume le basculement. Une première hypothèse structurale fiable demandait auparavant un long travail de cristallographie ou de RMN, avec des étapes de préparation et de validation qui se comptaient en mois. Elle s'obtient maintenant en quelques minutes in silico.
Le même état des lieux sur l'usage de l'IA par les chercheurs rappelle que l'adoption reste inégale. Une partie de la communauté se tient à l'écart, par méconnaissance ou par prudence méthodologique.
De la structure au médicament
Les structures prédites servent à étudier des pathologies liées au mauvais repliement des protéines, dont la maladie de Parkinson. Elles aident aussi à formuler des hypothèses sur l'interaction entre une cible et une molécule. Une structure prédite ne démontre pour autant ni la liaison réelle, ni son affinité.
Isomorphic Labs, la filiale de DeepMind, mène des programmes de découverte de médicaments avec des partenaires pharmaceutiques, dont Novartis et Eli Lilly. Cette perspective alimente la réflexion des établissements sur le rôle du référent en intelligence artificielle en santé.
AlphaFold n'est pas le seul chantier santé de Google. Le groupe publie aussi MedGemma, une famille de modèles ouverts dérivés de Gemma 3. Ceux-ci traitent le texte et l'image médicale, radiologie, anatomopathologie ou dermatologie. Le sujet n'a rien à voir avec la prédiction de structures. Leur éditeur précise que ces modèles ne sont pas de niveau clinique et demandent une validation propre à chaque usage. Pour un usage plus quotidien de l'IA en poste, voir plutôt notre catalogue de prompts pour soignants.
Les limites connues d'AlphaFold
Les publications françaises et internationales convergent sur plusieurs réserves. Elles n'enlèvent rien à l'avancée, elles délimitent son usage.
- Pas de dynamique : le modèle propose une conformation plausible, pas la description du mouvement de la protéine
- Effet des mutations : une substitution ne produit pas toujours de changement visible dans le modèle, qui ne suffit pas à en déduire l'effet fonctionnel
- Régions désordonnées : elles sortent avec un score bas, parfois avec une forme trop assurée
- Protéines membranaires : le serveur ne représente ni la membrane, ni l'eau, ni les hydrogènes
- Dépendance aux données : la qualité repose sur les structures expérimentales déjà déposées
- Graine aléatoire : deux exécutions donnent des modèles différents, leur comparaison sert à juger de la robustesse
Une prédiction qui contredit une donnée expérimentale n'est pas une découverte. C'est d'abord un signal de vérification. Le réflexe attendu reste la confrontation du modèle aux structures déposées dans la Protein Data Bank.
Comment utiliser AlphaFold en pratique
Une première prise en main tient en quelques minutes. L'ordre compte, car la première étape conditionne ce à quoi votre structure a droit.
- Vérifier le statut juridique de votre employeur, public, associatif ou commercial, avant toute création de compte.
- Identifier la protéine visée et récupérer son identifiant UniProt, par exemple P00533 pour le récepteur EGFR.
- Chercher cet identifiant dans la base publique et vérifier que l'entrée correspond bien à l'espèce voulue.
- Observer le code couleur du modèle et repérer les régions sous 70 de pLDDT avant toute interprétation.
- Ouvrir la matrice PAE si la protéine comporte plusieurs domaines, pour juger de leur orientation relative.
- Télécharger le fichier mmCIF si vous comptez le manipuler dans un logiciel de visualisation.
- Réserver le serveur de prédiction ou l'installation locale aux besoins que la base publique ne couvre pas.
Les accès directs, pour tester chaque brique sans chercher :
- Consulter une structure : la base publique s'ouvre sans compte, la recherche accepte un nom de protéine, un gène ou un identifiant UniProt
- Lancer une prédiction : lire d'abord les conditions du serveur, elles conditionnent le droit d'ouvrir un compte
- Installer le modèle : le code d'inférence d'AlphaFold 3 avec le formulaire de demande des paramètres
- Essayer MedGemma : la page de prise en main des modèles santé de Google, si le texte et l'image médicale vous concernent davantage
Points forts et points de vigilance d'AlphaFold
- Accès gratuit et sans compte à la base de structures
- Couverture de plus de 241 millions de séquences
- Scores de confiance fournis avec chaque modèle
- Complexes protéiques disponibles depuis 2026
- Formation gratuite et documentée par l'EMBL-EBI
- Interconnexion avec UniProt, PDBe et InterPro
- Prédictions à confronter aux données expérimentales
- Conformation unique, sans description du mouvement
- Conditions d'utilisation variables selon la version et le statut de la structure
Notre avis sur AlphaFold
AlphaFold a fait basculer la biologie structurale. Sa base publique reste l'une des rares ressources scientifiques de cette ampleur ouvertes sans compte et sans budget.
Deux repères suffisent pour s'en servir correctement. Les conditions d'utilisation diffèrent selon la version du modèle et le statut de votre structure, ce qui se vérifie avant de créer un compte. Et un modèle affiché en bleu foncé reste une prédiction, qui se confronte aux données expérimentales.
Pour un professionnel engagé dans un travail de recherche, l'outil donne accès gratuitement à un niveau d'information structurale qui demandait auparavant un plateau technique complet. Pour les autres, c'est une ressource à connaître plutôt qu'un outil à utiliser en poste.
Questions fréquentes sur AlphaFold
AlphaFold, c'est quoi exactement ?
C'est un système d'intelligence artificielle de Google DeepMind qui prédit la forme tridimensionnelle d'une protéine à partir de sa séquence d'acides aminés. Ses prédictions alimentent une base publique développée avec l'EMBL-EBI, l'institut européen de bio-informatique. Les créateurs du système, Demis Hassabis et John Jumper, ont reçu le prix Nobel de chimie 2024 aux côtés de David Baker.
AlphaFold est-il gratuit ?
Oui, mais les conditions diffèrent selon la brique. La consultation et le téléchargement des structures de la base publique sont gratuits et sans compte. Le serveur de prédiction est gratuit pour les usages non commerciaux, dans la limite de 20 travaux par jour et par utilisateur. Le code des deux versions est public sous licence Apache 2.0, tandis que les paramètres de chaque version relèvent de conditions distinctes. Le seul coût réel concerne l'installation locale, qui suppose un GPU et plusieurs téraoctets de bases de données.
Existe-t-il un AlphaFold 4 ?
Pas sous ce nom. En février 2026, Isomorphic Labs a présenté IsoDDE, un moteur propriétaire de conception de médicaments que la presse scientifique a décrit comme un AlphaFold 4. Ce modèle reste interne à la société, sans code ni paramètres diffusés. AlphaFold 3 demeure donc le modèle public de référence pour la prédiction de complexes biomoléculaires.
Quelle différence entre AlphaFold 2 et AlphaFold 3 ?
AlphaFold 2 prédit la structure de protéines et de leurs assemblages. AlphaFold 3 modélise en plus les interactions avec l'ADN, l'ARN, les ions, les ligands et certaines modifications chimiques. La différence porte aussi sur la licence. La version 2 autorise l'usage commercial, la version 3 le refuse.
Un laboratoire privé peut-il utiliser AlphaFold Server ?
Non. Ses conditions interdisent l'utilisation du service et de ses sorties au nom d'une organisation commerciale ou dans le cadre d'activités commerciales. Une entreprise ne peut donc pas s'en servir en invoquant l'absence de but commercial d'un projet particulier. Elle se tourne vers AlphaFold 2, dont le code relève d'Apache 2.0 et les paramètres de la licence CC BY 4.0.
Peut-on utiliser AlphaFold pour poser un diagnostic ?
Non. Ses conditions indiquent que le modèle sert à de la modélisation théorique et qu'il n'est ni prévu, ni validé, ni approuvé pour un usage clinique. Il n'est pas conçu pour traiter des données de patients, et aucune donnée identifiante ne doit être soumise au serveur. Les scores AlphaMissense peuvent entrer comme élément de preuve computationnel dans un cadre d'interprétation validé, jamais comme classification à eux seuls.
Que signifie le score pLDDT affiché sur une structure ?
Le pLDDT est un indice de confiance calculé pour chaque acide aminé, sur une échelle de 0 à 100. Au-dessus de 90, le squelette et les chaînes latérales sont généralement bien placés. Entre 70 et 90, le squelette reste correct. Sous 50, la région est souvent désordonnée ou non prédictible en l'état, et son exploitation demande de la prudence.
AlphaFold prédit-il les complexes de plusieurs protéines ?
Oui, et cette possibilité s'est élargie en 2026. La base publique contient depuis mars 2026 environ 1,7 million d'homodimères à haute confiance, puis près de 80 000 hétérodimères ajoutés en mai. Le serveur en ligne permet par ailleurs de lancer soi-même la prédiction d'un assemblage entre plusieurs chaînes.
Faut-il des compétences en bio-informatique pour s'en servir ?
Pas pour consulter la base. Un professionnel de santé qui connaît le nom de sa protéine trouve la structure et lit les scores de confiance sans formation particulière. Les compétences techniques deviennent utiles pour lancer des prédictions en série ou installer le modèle sur les serveurs d'un laboratoire. L'EMBL-EBI met à disposition un parcours de formation gratuit pour franchir cette marche.
Faut-il installer un logiciel pour consulter une structure ?
Non. Un navigateur suffit pour rechercher une protéine, la faire tourner en trois dimensions et lire ses scores de confiance. L'installation devient utile pour manipuler les fichiers dans un logiciel spécialisé. Elle l'est aussi pour lancer des calculs en série sur ses propres serveurs.
Comment citer AlphaFold dans une publication ?
La référence dépend de la version utilisée. Les travaux fondés sur AlphaFold 2 citent l'article de Jumper et ses coauteurs paru dans Nature en 2021. Ceux qui reposent sur AlphaFold 3 ou sur le serveur en ligne citent l'article d'Abramson et ses coauteurs, publié dans Nature en 2024. L'usage de la base de données demande en plus de mentionner l'EMBL-EBI.
Ressources officielles pour approfondir le sujet :
- ebi.ac.uk : parcours de formation gratuit de l'EMBL-EBI sur l'utilisation et les limites d'AlphaFold
- rcsb.org : Protein Data Bank, les structures expérimentales auxquelles confronter un modèle prédit
- pubmed.ncbi.nlm.nih.gov : publication décrivant la refonte de la base AlphaFold et sa couverture actuelle
AlphaFold est développé par Google DeepMind. La base de données est produite avec l'EMBL-EBI, l'institut européen de bio-informatique.
- Données de la base diffusées sous licence Creative Commons CC BY 4.0, réutilisation autorisée avec mention de la source
- Mentions de droits indiquées par la base : AlphaFold Data Copyright (2022) DeepMind Technologies Limited, AlphaMissense Copyright (2023) DeepMind Technologies Limited
- Code d'AlphaFold 2 publié sous licence Apache 2.0, paramètres d'AlphaFold 3 soumis à des conditions distinctes
- Modèles MedGemma régis par les conditions Health AI Developer Foundations
- Publication : citer Jumper et coauteurs (Nature, 2021) pour AlphaFold 2, Abramson et coauteurs (Nature, 2024) pour AlphaFold 3
Les données sont fournies en l'état, pour de la modélisation théorique, sans garantie. AlphaFold, AlphaMissense, MedGemma, Google DeepMind et EMBL-EBI appartiennent à leurs détenteurs respectifs. lonasante.com ne leur est lié par aucun partenariat et ne perçoit rien sur ces outils.
