Alex Zhavoronkov
Published in Bioinformatics, Diseases!, People.
Jour 52 de #ScienceAIBench ! 🧬
Aujourd’hui, nous nous intéressons à l’une des cibles les plus critiques et les plus étudiées en pharmacologie : les récepteurs opioïdes.
La recherche d’analgésiques plus sûrs est l’un des défis les plus urgents de la découverte moderne de médicaments. La famille des récepteurs opioïdes comprend trois sous-types principaux : Delta (OPRD1), Kappa (OPRK1) et Mu (OPRM1).
Les opioïdes traditionnels ciblent efficacement le récepteur Mu pour un soulagement puissant de la douleur, mais c’est aussi cette voie qui est responsable de la dépendance, de l’euphorie et de la dangereuse dépression respiratoire. Développer des ligands hautement sélectifs pour les récepteurs Kappa ou Delta — qui modulent la douleur via des mécanismes différents — constitue donc une stratégie clé pour concevoir des analgésiques non addictifs.
Le benchmark d’aujourd’hui évalue la capacité des modèles d’IA à prédire l’affinité de liaison spécifique (Ki) pour ces trois cibles opioïdes majeures.
📋 Spécifications du benchmark :
- Cibles : Récepteurs opioïdes OPRD1 (Delta), OPRK1 (Kappa) et OPRM1 (Mu)
- Métrique : Corrélation de Spearman (↑)
- Modèles évalués : Gemini 3 Flash, Opus 4.6, Grok 4.1, GPT 5.2, Sonnet 4.5, DeepSeek 3.2, GPT 5.1 et Nemotron
📊 Performances observées :
- Le dominateur Delta & Kappa :
Gemini 3 Flash a généré un signal prédictif extrêmement fort, prenant une avance massive pour les récepteurs Delta (0,506) et Kappa (0,446). Dans les benchmarks de liaison GPCR, dépasser la barre de 0,500 est exceptionnellement rare, ce qui indique une compréhension très fine de ces sites de liaison. - Le spécialiste du Mu :
Grok 4.1 s’est révélé le plus performant pour le récepteur Mu, pourtant notoirement difficile, en atteignant une corrélation de 0,302. En revanche, ses performances sur Kappa sont restées plus faibles (0,146). - Le milieu constant :
Opus 4.6 et GPT 5.2 offrent des performances intermédiaires. Opus 4.6 se situe entre 0,217 et 0,326, tandis que GPT 5.2 montre une compréhension équilibrée mais modeste sur les trois cibles (0,174 à 0,256). - L’effondrement du baseline :
Nemotron échoue complètement sur ce benchmark, avec des corrélations proches de zéro ou négatives (−0,097 pour Kappa et −0,057 pour Mu), ce qui revient essentiellement à produire du bruit aléatoire.
🔄 Notre série quotidienne continue demain.
#ScienceAI #InsilicoBench #MMAI #MMAIGym #DrugDiscovery #AIBenchmarks #Biotechnology