Yila

Modèle de figure · Résumé graphique · 4:3

Prédiction de structure protéique par AlphaFold : résumé graphique

Un résumé graphique paysage avec quatre colonnes de pipeline et une bande d’applications en dessous, qui va de la séquence d’entrée et de l’alignement multiple à l’Evoformer, aux coordonnées 3D et à la comparaison avec une structure expérimentale ; pour des articles de biologie structurale et computationnelle.

Mis à jour le 16 oct. 2026Relu par Roxy Liu9,57 k1,14 k

Prompt

Create a scientific figure about: AlphaFold graphical abstract from sequence and MSA through Evoformer coordinates and experimental comparison. Visual style: Clean Vector. Requirements: publication-ready scientific quality, clear labels and directional arrows where appropriate, avoid cartoon or stock-photo look, composition optimized for research papers and academic slides.

Ce qu’est ce modèle

Une séquence d’acides aminés est recherchée dans UniRef et BFD pour assembler un alignement multiple de séquences. Dans l’Evoformer, la représentation MSA et la représentation par paires échangent de l’information à plusieurs reprises par attention axiale et mises à jour multiplicatives triangulaires, qui captent les contraintes de coévolution entre résidus. Le module de structure transforme le résultat en coordonnées atomiques 3D, chaque résidu étant coloré selon son score de confiance pLDDT, et le modèle est superposé à une structure cristallographique expérimentale. En dessous viennent deux applications : déduire la fonction d’une protéine orpheline et repérer des cibles thérapeutiques par criblage virtuel. Le lecteur doit saisir comment l’information circule de la séquence à la structure et comment lire les couleurs de confiance.

Éléments à légender

  • Séquence d’entrée

    Une bande de séquence verticale légendée entrée ; l’exemple y épelle des mots en lettres, remplacez-la par une séquence illustrative.

  • Alignement multiple de séquences

    Deux icônes de bases de données, UniRef et BFD, qui alimentent une matrice d’alignement colorée placée en dessous.

  • Bloc Evoformer

    Deux pistes pour les représentations MSA et par paires, l’attention axiale et la mise à jour multiplicative triangulaire nommées là où elles agissent.

  • Module de structure

    La colonne centrale qui produit un tracé du squelette ; l’exemple répète le même intitulé au-dessus et en dessous, supprimez-en un.

  • Coloration pLDDT

    Le modèle coloré du bleu à l’orange-rouge selon la confiance, avec dans un coin une légende expliquant chaque tranche.

  • Comparaison expérimentale

    La prédiction superposée à une structure cristallographique avec une étiquette RMSD ; l’identifiant PDB de l’exemple est encore un texte fictif.

  • Déduction de la fonction

    Une région agrandie de la structure avec une flèche vers la réaction biochimique ou l’interaction protéique déduite.

  • Découverte de cibles thérapeutiques

    Une chimiothèque de petites molécules passée au criblage virtuel, avec un encart montrant un ligand logé dans la poche de liaison.

Où on l’utilise

  • Résumé graphique
  • Diapositives de soutenance
  • Support de cours
  • Demande de financement

Ce que vérifient les évaluateurs

  • Confiance n’est pas exactitude

    Le pLDDT est l’estimation par le modèle de sa propre fiabilité locale, et un score faible signale souvent une région désordonnée plutôt qu’un mauvais repliement. La légende doit distinguer confiance et erreur mesurée au lieu d’assimiler score élevé et grande exactitude.

  • Valeurs de comparaison à sourcer

    Toute valeur de RMSD doit préciser l’intervalle de résidus comparé et l’entrée expérimentale utilisée. L’identifiant de l’exemple est fictif : remplacez-le par la vraie entrée avant soumission, ou supprimez la valeur.

  • Module de structure et recyclage

    Dans l’exemple, le module de structure ne montre qu’un intitulé répété, sans attention à points invariants ni recyclage. Les lecteurs d’un article de méthodes attendent la flèche de recyclage, ou au moins une phrase en légende.

  • Hypothèses du criblage virtuel

    Les modèles prédits sont généralement dépourvus de ligand, et les chaînes latérales de la poche peuvent mal se prêter au docking. Si la figure relie directement prédiction et criblage, indiquez si la poche a été affinée ou si les touches ont été testées expérimentalement.

Comment l’utiliser dans Yila

  1. 1Choisissez une figure
  2. 2Décrivez votre sujet et les étapes à mettre en avant
  3. 3Affinez-la dans la conversation, puis téléchargez le PNG

Conseils

À faire

  • Donnez le nom de la protéine et les limites de ses domaines pour que la bande d’entrée et la coloration de confiance décrivent la molécule que vous étudiez.
  • Pour un complexe, demandez à Yila une entrée multichaîne et une couleur distincte pour chaque chaîne de la structure prédite.
  • Demandez une flèche de recyclage du module de structure vers l’Evoformer si votre public risque de demander comment le réseau itère.

À éviter

  • Garder l’affirmation du titre selon laquelle les prédictions sont exactes ; le résumé doit dire ce qui a été fait, pas le noter.
  • Reporter l’identifiant PDB fictif ou la valeur de comparaison dans une figure soumise ; utilisez votre vraie entrée ou retirez-les.

Questions fréquentes

Ce résumé AlphaFold peut-il être soumis sans modification ?

Considérez-le comme un brouillon. C’est une image générée par IA dont la séquence d’entrée épelle des mots, dont l’intitulé du module de structure apparaît deux fois et dont la comparaison expérimentale porte encore un identifiant fictif. Remplacez ces détails et continuez à l’affiner dans la conversation avant de soumettre.

Puis-je remplacer les applications par ma propre question de recherche ?

Pas élément par élément, mais la conversation avec Yila permet de continuer à le retoucher. Remplacez les deux applications par l’analyse de l’effet de mutations ou la conception d’anticorps, par exemple, ou n’en gardez qu’une : la bande sera régénérée selon votre description, sans toucher aux colonnes du pipeline au-dessus.

Quel format vais-je recevoir ?

Une image PNG générée par IA, en cadre paysage 4:3, adaptée aux résumés graphiques et aux diapositives de soutenance. Ce n’est pas une image vectorielle, et la légende pLDDT comme les lettres de l’alignement sont petites : vérifiez la lisibilité avant tout usage en plus grand format.

L’utilisation de ce modèle est-elle gratuite ?

Consulter cette page et l’exemple ne coûte rien. Générer et modifier dans Yila consomme des crédits, et un nouveau compte reçoit 2 500 crédits, de quoi adapter la protéine, les bases de données et les applications à votre projet en plusieurs tours avant de retenir la version du manuscrit.

La structure de la figure est-elle une vraie prédiction ?

Non. Les structures protéiques et la matrice d’alignement sont des illustrations dessinées par IA, qui ne correspondent à aucune séquence ni à aucun résultat de prédiction réels. Lorsque votre article doit montrer un modèle effectif, faites-en le rendu à partir de vos fichiers de prédiction ; cette figure n’explique que le déroulement.

Peut-elle montrer la prédiction d’un complexe ou de plusieurs chaînes ?

Oui. Nommez les chaînes dans la conversation : la colonne d’entrée devient une entrée multichaîne, chaque chaîne est colorée séparément dans la structure, et une esquisse de la confiance à l’interface peut s’ajouter au panneau de validation, là où les lecteurs d’un article sur les complexes regardent en premier.

Télécharger l’exemple PNG