Modélisation de la structure 3D des protéines

Transcription

1 Modélisation de la structure 3D des protéines We are drowning in data and starving for knowledge -R.D. Roger Unité Mathématique Informatique et Génome Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.1/23

2 Du génome au phénotype repeats horizontal gene transfers nucleotide frequencies Protein function in the context of cellular processes: physiology PHENOTYPE GENOME high resolution cartography ESTs Transcriptomics, proteomics two hybrid proteomics: phenotypic features: Behavior morphology Protein function and cellular processes in the context of: tissues organs proteins, rrna, trna RBS, promotors, terminators, etc. post traductional modifications gene inactivation experiments gene expression protein interactions tissue and organ specificic transcriptomics, proteomics: ESTs Protein function inference domain detection intrinsic properties of sequences homology search gene context metabolic pathways signalling cascade cell structure Experimental data Other known genomes non orthologous gene displacements orthologs protein 3D structure modeling: protein engineering drug design, etc. contigs assembly prediction of gene associated signals: gene prediction: exceptional words expression patterns subcellular localisation prediction gene fusions gene neighbors cellular pathways comparison of missing genes phylogenetic profiles annotation process level annotation nucleotide level annotation protein level genetic markers genome comparisons Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.2/23

3 Structure 3D et fonction les biologistes s intéressent à la fonction des protéines la fonction d une protéine dépend étroitement de la structure 3D la structure 3D est atteinte lors du repliement de la chaîne polypeptidique la séquence spécifie d une manière unique la structure 3D Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.3/23

4 Structure 3D des protéines 1. Présence d un cœur hydrophobe très compact (les cavités représentent moins de 1% du volume) 2. Les angles φ, ψ et ω sont dans des zones de basse énergie (90% des φ, ψ dans 14% du diagramme de Ramachandran) 3. Tous les donneurs ou accepteurs potentiels de liaison hydrogène sont satisfaits 4. Empilement des chaînes latérales varie de spécifique à aléatoire 5. Structure 3D est dominée par les structures secondaires (50-60% des résidus en hélice ou feuillet) Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.4/23

5 Modélisation de la structure 3D Plus ou moins difficile selon les cas : les méthodes utilisant une structure 3D connue (homologie) alignement de séquences et modélisation comparative méthodes de reconnaissance de repliements les autres méthodes... les méthodes ab initio les méthodes de novo Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.5/23

6 Notion d homologie SP1 Orthologie, paralogie et xenologie DP1 SP2 DP2 A1 AB1 B1 B2 C1 C2 C3 2 gènes sont orthologues si leur ancetre commun est localisé à une jonction (spéciation) 2 gènes sont paralogues si leur ancetre commun est localisé sur une barre horizontale (duplication) C2 paralogue C3 C2 et C3 orthologues B2 mais paralogues B1 AB1 xenologue aux 6 autres Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.6/23

7 Notion d homologie Évolution divergente à partir d un ancêtre commun orthologues paralogues Propriétés des protéines homologues très bonne conservation de la structure 3D fonctions «voisines» La structure 3D est toujours mieux conservée que la structure primaire Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.7/23

8 Modélisation comparative Mise en évidence d une relation d homologie par comparaison des séquences Transfert de la fonction Utilisation de la structure 3D connue pour bâtir un modèle Méthodes utilisées depuis 25 ans qui sont bien rodées problème principal : qualité de l alignement problème annexe : modélisation des parties non conservées (boucles) Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.8/23

9 Reconnaissance de repliements But : améliorer la détection des homologues lointains Rationnel : structure 3D meilleur critère que structure primaire nombre limité de repliements possibles Principe : alignement séquence structure 3D Méthode : Définition d une banque de «cœurs» Détermination de paramètres de scores Méthode pour aligner les séquences sur les structures 3D Estimation de la significativité du score Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.9/23

10 Représentation schématique Définition du coeur s ij Alignement Calcul du score de l alignement Σ i<j s ij Estimation de la significativité du score Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.10/23

11 Définition d un cœur Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.11/23

12 Représentation schématique Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.12/23

13 Fonction de score et filtres Utilisation de plusieurs fonctions de scores différentes (filtres) Combinaison des résultats réseaux de neurones machines à vecteurs supports (SVM) Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.13/23

14 Alignement de la séquence sur un cœur Paramètres 1D (locaux) : programmation dynamique Paramètres 3D (non locaux) : algorithmes exacts : branch & bound, divide & conquer heuristiques Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.14/23

15 Alignement de la séquence sur un cœur L = 12 M = 3 ~ n = 5 Nombre d alignements : (M+ñ 1)! M!(ñ 1)! Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.15/23

16 Significativité du score Probabilité Population 2 sans relation avec le repliement DDEQWAST... SYTRAT... DEPQIY... cytochrome c Population 1 adoptant le repliement GVTEK... ALPSK... AVSTR... score 1 er quartile 4 e quartile GACST... séquence requête STELM... séquence test 1 AASVF... séquence test 2 Probabilité D VRSGA... séquence test N d score Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.16/23

17 Problèmes informatiques Définition d une banque de «cœurs» comparaison des structures 3D des protéines (recherche de cliques) Détermination de paramètres de scores combinaison des résultats des différents filtres (SVM?) Méthode pour aligner les séquences sur les structures 3D optimisation combinatoire (branch & bound, programmation linéaire) Estimation de la significativité du score détermination théorique de la distribution des scores (statistiques) Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.17/23

18 Méthode de novo Méthodes ab initio (approches physico-chimiques) modélisation du processus physique réel principal problème : taille de l espace à explorer Méthodes de novo (approches bioinformatiques) approche knowledge-based structure 3D est atteinte sans trop perturber la structure locale Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.18/23

19 Méthode de novo Méthode proposée par D. Baker extraire des fragments pertinents des bases de données de structures 3D assembler ces fragments en structures 3D plausibles sélectionner «la meilleure» de ces structures 3D Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.19/23

20 CASP 4 Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.20/23

21 CASP 4 Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.21/23

22 Diagramme de Ramachandran Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.22/23

23 Combinaison des scores 3D normalized distance y = 3.2 y = 2x x = D normalized distance Séminaire AGENAE, Seignosse-le-Pénon, mai 2003 p.23/23