🧬 Repliement de Protéines

Modèle HP sur réseau 2D — Classique (Monte Carlo) vs Quantique (VQE)
Séquence :
(12 acides aminés)
H = Hydrophobe (fuit l'eau)
P = Polaire (aime l'eau)
— — —Contact H-H (énergie)
Ghost quantique ψ
Vitesse : 5
🖥️
Classique — Monte Carlo + Recuit Simulé
Étapes Monte Carlo0
Contacts H-H actuels0
Meilleur trouvé0
Température—
⏳ En attente du lancement...
⚛️
Quantique — VQE (Variational Quantum Eigensolver)
États en superposition0
Itérations VQE0 / 9
Contacts H-H (exact)—
Espace de Hilbert2¹² = 4096
⏳ En attente du lancement...
🖥️ Résultat Classique
⚛️ Résultat Quantique

🏥 Applications médicales réelles du repliement de protéines

🧠
Alzheimer
La β-amyloïde se replie mal et forme des plaques toxiques dans le cerveau.
🫀
Parkinson
L'α-synucléine mal repliée s'agrège en fibres qui détruisent les neurones.
🦠
COVID-19
La protéine Spike du SARS-CoV-2 : connaître son repliement exact a permis de créer les vaccins ARNm.
💊
Conception de médicaments
Un médicament = une molécule qui s'ajuste parfaitement dans le « creux » d'une protéine bien repliée.

💡 Comment fonctionne le modèle HP ?

🖥️ Monte Carlo + Recuit Simulé
La protéine est modélisée comme une chaîne sur un réseau 2D. L'algorithme essaie des déplacements aléatoires (pivot moves) et accepte les mauvaises configurations avec une probabilité exp(-ΔE/T), où T diminue progressivement. Résultat : souvent bloqué dans un minimum local — la chaîne trouve une bonne conformation mais pas nécessairement la meilleure. Pour les vraies protéines (1000+ acides aminés), l'espace des conformations est astronomique.
⚛️ VQE (Variational Quantum Eigensolver)
Le VQE encode chaque conformation possible comme un état quantique. En superposition, toutes les formes sont explorées simultanément. Un circuit paramétrique optimise les amplitudes pour minimiser l'énergie exacte du système. À chaque itération, les conformations sous-optimales s'effacent par interférence et la conformation de plus basse énergie émerge — le minimum global garanti. Pour une protéine de 100 acides aminés : l'avantage quantique devient exponentiel.
🔬 L'objectif du Prix Nobel de Chimie 2024 (AlphaFold) était de prédire le repliement de protéines — un problème si complexe qu'il a fallu l'IA pour l'approcher classiquement. Le quantique pourrait le résoudre exactement.