La percée majeure en recherche sur le coronavirus a des racines torontoises

25 février 2020

Blogue 2020Nouvellesde la santéHistoires de réussite en rechercheIA fiable

Photo du CDC sur Unsplash

Une percée récente dans la recherche mondiale d’un vaccin contre le coronavirus trouve ses racines à Toronto. 

Le 15 février, une équipe de chercheurs de l’Université du Texas à Austin et des National Institutes of Health a publié la structure moléculaire 3D haute résolution de la protéine spike de 2019-nCoV, communément appelée coronavirus. Cette percée, publiée plus tard dans Science, est essentiellement la « première carte atomique 3D de la partie du virus qui s’attache et infecte les cellules humaines », une étape essentielle vers le développement de vaccins et de médicaments antiviraux.

La cartographie 3D a été rendue possible grâce à un logiciel appelé CryoSPARC, construit à partir d’algorithmes développés par Ali Punjani, doctorant à l’Université de Toronto (UofT ), Haowei Zhang, étudiant à la maîtrise de l’UofT Haowei Zhang, ancien étudiant de l’UofT Marcus Brubaker, maintenant professeur adjoint à l’Université York, et David Fleet, membre du corps professoral Vector et président canadien de l’IA CIFAR.

« Les algorithmes combinent des idées issues de la vision par ordinateur, du traitement d’images et de l’apprentissage automatique, explique Fleet. » Ils permettent d’inférer la densité électronique 3D à partir d’un grand ensemble d’images de la protéine obtenues à partir d’un microscope électronique à transmission. »

Punjani a cofondé la startup Structura Biotechnology pour commercialiser CryoSPARC afin d’aider à éliminer une grande partie des incertitudes entourant la découverte de médicaments. Structura offre également le programme gratuit aux universitaires afin de soutenir la recherche en biologie structurale.

À lire aussi :

2026
Recherche
Recherche 2026

Session d’affiches remarquable 2026 : 60 projets de recherche façonnant l’avenir de l’IA

Healthspark
2026
ANDERS
Santé
Recherche
Recherche 2026
IA fiable

CRISPNAM-FG : Un modèle de survie profonde interprétable de Fine-Gray pour les risques concurrents dans les soins de santé

2026
Réflexions
Recherche
Recherche 2026

La nouvelle cartographie de l’invisible