Quand 100 millions de cellules rencontrent la réalité virtuelle moléculaire : du big data à l'insight structurel avec NexoPeek
L'annonce est tombée la semaine dernière — Parse Biosciences et Nomic Bio lançaient Cascade, un dataset multimodal de 100 millions de cellules combinant scRNA-seq et protéomiques, étiqueté « AI-ready » dès le premier jour. J'ai scanné l'abstract et ce frisson familier m'a traversé : c'est le prochain saut. Modélisation immunologique pilotée par IA, drug discovery, target identification. Une avancée majeure pour l'omique à grande échelle.
Mais voilà. Trois ans que je construis des pipelines ingérant des millions de profils d'expression, entraînant des modèles qui scorent des candidats cibles avec confiance. Et à chaque fois, le même mur : l'algo dit « cette protéine est prometteuse », mais ne montre pas comment elle respire. Comment son pliage crée une poche. Comment un ligand s'y glisse, induit un changement conformationnel. Les poids sont abstraits. La structure, elle, est physique.
C'est là que NexoPeek a changé mon workflow.
Le basculement
Mardi soir, fin octobre. Casque Meta Quest 3 sur la tête, contrôleurs en main. Mon équipe sortait une shortlist de 47 cibles issues d'un atlas immunitaire récent — même philosophie que Cascade : gros volume, multimodal, bruit réel. J'ai lancé NexoPeek.
Pas de tutoriel. L'interface Room View bascule en passthrough : ma table, ma lampe, mon chat — et au milieu, CRISPR-Cas9 en complexe avec son gRNA et l'ADN cible. Une des 12 visites narrées, pilier Genetic Technologies. La voix explique la reconnaissance PAM, le dépliage de l'ADN, la coupure. Je m'approche. Tourne autour. Attrape l'hélice d'ADN, la tire, vois les résidus clés s'éclairer.
Trois minutes pour saisir ce que trois semaines de figures 2D n'avaient pas donné.
Deux pistes, un moteur
NexoPeek n'est pas un outil — ce sont deux pistes complémentaires.
Piste 1 : visites guidées — 12 tours narrés, 6 piliers, structures PDB réelles. Biotechnology Basics (carte de Ramachandran, navigation chaînes). Foundations of Life (hémoglobine, O₂, ATP synthase). Pathways & Interactions (glycolyse, trypsine). Medicines in Action (aspirine/COX, caféine, pénicilline). Genetic Technologies (CRISPR-Cas9, dogme central, facteurs Yamanaka). Green Biotech (enzymes dégradant le plastique). 10-20 min chacune. Pédagogiques, précises, sans hype.
Piste 2 : viewer PDB pro — et là, l'ingénieur reprend la main. Recherche intelligente live sur RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe — résolution synonymes UniProt, validation auto des modèles. Ingestion locale : .pdb, .cif, .mol2, .gro, .xyz, .dx, .xtc, .py. Six presets Mol* one-tap (cartoon, ball-and-stick, spacefill CPK, surface, B-factor heatmap, tube trace). Contrôle granulaire par chaîne/résidu : scroll séquence, tap « pill » résidu → halo 3D, pin atomes custom, isolement chaînes.
Analytics embarqués — le prolongement naturel de mon pipeline ML :
- AI Pocket Prediction : sites druggables via PrankWeb/P2Rank (cloud) ou moteur offline. Prédictions visualisables, exportables, confrontables.
- Structural Alignment : Foldseek intégré pour superposer homologues, évaluer conservation domaine, tester drug swapping.
- Ligand Inspector & PubChem : scan hétéro-composés, réseaux liaisons H, fetch 3D ligands directs.
- Distance Calculator : trigger-pick deux atomes en 3D, distance exacte en Å. Précis. Immédiat.
Mon workflow aujourd'hui
Mon modèle sort une kinase à haut score impliquée dans une cascade inflammatoire (single-cell). Je ne me contente plus d'un alignement + AlphaFold dans Colab.
J'enfile le casque. Accession UniProt dans la recherche intelligente. Viewer pull la structure (PDB ou AlphaFold DB), valide, affiche en cartoon. Bascule surface moléculaire, active B-factor heat pour flexibilité. Lance AI Pocket Prediction — poches candidates en surbrillance. Compare avec inhibiteur connu via Ligand Inspector, fetch ligand 3D PubChem, superpose. Mesure distance atome catalytique / groupe réactif — 2.8 Å. Match.
Partage avec mon PI sans casque ? Room View passthrough : structure sur sa table virtuelle, capture haute-rés via presets Mol* (qualité publication). Export session, annotations, mesures — tout traçable.
Ce que ça change concrètement
Le gap « modèle propose » / « structuraliste valide » ne disparaît pas — il ne doit pas. NexoPeek le réduit en rendant l'insight structurel accessible avant validation expérimentale coûteuse. La doc le dit explicitement : educational and research-visualization software, not medical advice ; analysis aids support, never replace, validated pipelines. Honnête. Rare.
Pour mes collègues wet-lab ? La visite Medicines in Action sur aspirine/COX a fait plus pour leur intuition sur l'inhibition irréversible que n'importe quel slide deck. Green Biotech (enzymes PET) a déclenché 45 min de discussion avec notre chimiste sur l'ingénierie de poche active — conversation impossible devant un PyMOL statique.
Prix d'entrée
Meta Quest 3 (ou 2/Pro). Store Meta. Pas d'abonnement, pas de cloud obligatoire pour le viewer de base — moteur poche offline en local. Recherche multi-repo et PrankWeb cloud = connexion requise. Hand-tracking précis pour manipulation résidus ; contrôleurs préférables pour picking atomes (distance calculator).
Prochaine étape
Cascade sort. 100M cellules. Mes modèles tournent cette semaine. Les cibles vont pleuvoir. Pour la première fois, j'ai hâte d'aller les visiter — pas juste les scorer.
Si vous bossez data/structure — dev, bioinformaticien, structural biologist ou curieux de voir une protéine à hauteur d'homme — essayez.
