Prédiction de la structure 3-D des protéines

1. Prédiction de la structure 3-D des protéines

2. Introduction Swissprot +/- 200.000 séquences Protein Data Bank +/- 30.000 structures • Analyse de séquence • Recherche de fonction • Analyse d’hydrophobicité (PO, TM, H amphip.) • Prédiction de sites d’interactions • Prédiction de sites antigéniques • Prédiction de structures secondaires • … • Analyse de structure 3D • Etude des interactions (3D / 4D) • Etude du site actif • Docking • Dynamique, modifications • Etude des interactions avec une membrane • Ingénierie des protéines • Etude du folding • …

3. Détermination expérimentale de la structure d’une protéine Détermination expérimentale coûteuse et pas toujours possible…

4. Prédiction de structures 3D • Modélisation par homologie : • Identification d’une protéine de structure connue de séquence homologue • Fold recognition ou threading : • Se base également sur la connaissance de structures 3D de protéines. On essaie de déterminer le fold de la protéine. • Ab initio : • Construction de modèles 3D • sur base de la séquence par • simulation des forces qui gouvernent le repliement pour trouver la structure de plus basse énergie.

5. Principe de la modélisation par homologie Structures mieux conservées que séquences ! Si  homologie entre séquences =>  homologie entre structures => prédiction modèle 3D par homologie possible

6. Principe de la modélisation par homologie Protéine homologue dans la PDB ??? Si identité > 30% => OK Si 20% < identité < 30 % => + difficile / risqué Si identité < 20% => +++ difficile / impossible Estimation : 28% des séquences ont au moins 25% ID avec une protéine de structure connue (PDB)

7. Etapes de la prédiction du modèle 3D • Identification d’une protéine de structure connue de séquence homologue (ou plusieurs !) • Alignement Target / Template(s) • Construction du modèle 3D • Optimisation du modèle 3D • Validation du modèle 3D ! Étapes 1 et 2 déterminantes !

8. 1. Recherche de séquence(s) homologue(s) dans la PDB Cfr. cours sur les méthodes d’alignement. Utilisation d’un algorithme pour chercher des protéines de structure connue qui ont une séquence homologue à notre séquence target et qui pourront ainsi être utilisées comme template.

9. 4. Comparaison de séquences : les alignements Alignements = une des premières étapes dans l’analyse des séquences = comparaison de séquences dans le but de repérer les endroits où se trouvent des régions identiques ou très similaires entre des séquences et d’en déduire celles qui sont significatives et qui correspondent à un sens biologique de celles qui sont observées par hasard. Séquence1 LRTMPDSYGWPLVGPLSDRLDYFFFQITRAEKNIPPTFGN Séquence2 IKTMPERYGSEIISPGDEGWLYLYHNIEHFQKYLPIYLGN Séquence1 LRTMPDSYGWPLVGPLSDRLDYFFFQITRAEKNIPPTFGN *** **** * * *** Séquence2 IKTMPERYGSEIISPGDEGWLYLYHNIEHFQKYLPIYLGN Séquence1 LRTMPDSYGWPLVGPLSDRLDYFFFQITRAEKNIPPTFGN ..***. ** .. * . * . .* . .* .*** Séquence2 IKTMPERYGSEIISPGDEGWLYLYHNIEHFQKYLPIYLGN % similarité = 57% % identité = 30% similarité  homologie • homologie si ancêtre commun • homologie mesurée par similarité

10. Alignements • Objectif : • Révéler des informations importantes sur • la structure, • la fonction • l’évolution • de ma(mes) séquence(s) d’intérêt Quelqu'un a t-il déjà rencontré ce type de séquences ? Si oui, je vais pouvoir avoir rapidement accès à toutes ses connaissances !!

11. Séquence1 LRTMPDSYGWPLVGPSD-RDLYLFHQITRAEKNIPPTFGNF ..***. ** .. ** ..***.*.* . .* .*** Séquence2 IKTMPERYGSEIISPGDEKELYLYHNIEHFQKYLPIYLGN- Représente une insertion-délétion (indel ou gap) Alignements : principes • Principe des alignements • Durant l’évolution, • substitutions de résidus • Subsitution homologue • Substitution non homologue • insertions / délétions de résidus Séquence1 LRTMPDSYGWPLVGPSDRDLYLFHQITRAEKNIPPTFGNF ..***. ** .. ** *. Séquence2 IKTMPERYGSEIISPGDEKELYLYHNIEHFQKYLPIYLGN => Calcul d’un score pour évaluer la qualité de l’alignement

12. Détermination d’un score Alignements : principes • Utilisation de matrice de substitution • Calcul d’un score • score global = la somme des scores élémentaires • Score =  se • Introduction de gap (avec pénalité) • Pénalité pour l’insertion d’un gap (x) • Pénalité pour l’extension d’un gap (y) (svt x = 10 y) • P = coût global du gap de longueur L • P = x + yL • Score =  se -  P Le score élémentaire (se) = la valeur donnée directement dans la matrice

13. Alignements : principes Matrices de substitution • Identité • Homologie *Similarités physico-chimiques *Matrice d’évolution (probabilité qu’un A.A. soit muté en un autre après un temps d’évolution donné) (PAM, Blosum) *Matrice basée sur la comparaison des séquences (Gonnet)

14. Alignements : principes The PAM250 scoring matrix

15. Le choix d'une matrice protéique • Pas de consensus, mais ce qui est généralement reconnu... • Matrices Blosum > matrices Pam • Matrice Blosum62 = la meilleure pour la détection de la majorité des similarités protéiques faibles. • Matrice Blosum45 = la meilleure pour la détection de la majorité des similarités protéiques faibles et longues. Alignements : principes • Matrices protéiques utilisées • Pam 120 • Pam 250 • blossum 50 • blossum 62 • blossum 80 • Gonnet matrix

16. Alignements : principe Alignement global  alignement local

17. Généralement reconnu : Des séquences protéiques de 100 aa ou plus possédant au moins 25% d’identité entre elle ont certainement un ancêtre commun. On peut douter d’un alignement s’il nécessite plus d’une insertion en moyenne pour 20 acides aminés. Alignements : évaluation • !!! ce critère doit être relié • à la longueur de la similitude • au nombre d’insertion introduite

18. Pour les programmes d’alignements suivants, on considère que : Fasta Blast Alignements : évaluation E-value E = Y Z K e-S s = score authentique Y = longueur de la séquence Z = taille de la banque K et  = constante E = Probabilité d'observer au hasard  ce score à travers la banque de séquences considérée. Plus la E-value est faible, plus l'alignement est significatif.

19. Alignements : type Type d’alignement • Alignement entre une séquence et une banque • Fasta • Blast • Alignement entre deux séquences = alignement pairé • SIM • Alignement entre plusieurs séquences = alignement multiple • ClustalW • Match-box • Dialign 2

20. 2. Alignement des séquences target / template Si un ou plusieurs template ont été identifiés, il faut générer un alignement entre les séquences target et template. • Questions : • Quel(s) algorithme(s) utiliser ? • Quels paramètres utiliser ? • Comment juger de la pertinence des résultats ? • Comment améliorer l’alignement ?

21. 2. Alignement des séquences target / template • Quel(s) algorithme(s) utiliser ? • Quels paramètres utiliser ? • Comment juger de la pertinence des résultats ? • Comment améliorer l’alignement ? • Clustal, MatchBox,… • comparaisons et combinaisons possibles • alignement structural si plusieurs templates • en fonction des cas… • % ID, % homologie, gaps et positions • alignement de résidus particuliers • Homologie HCA • Structures secondaires,… • cfr. ci-dessus

22. 4. Optimisation du modèle 3-D • Optimisation de la géométrie par minimisation énergétique 5. Validation du modèle 3-D • Calcul de paramètres pour juger de la validité du modèle • Confrontation à des données expérimentales 3. Construction du modèle 3-D • séquence Target • structure Template • alignement Target/Template • Construction d’un modèle 3D

23. Modeller • séquence Target • structure Template • alignement • modèle 3D Comment ? => Contraintes spatiales = fonction de densité de probabilité (pdf) • Contraintes : • basées sur l’alignement • stéréochimiques • utilisateur éventuelles

24. Principe de développement de Modeller • Utilisation d’une base de données de protéines de structure connue correspondant à des protéines homologues réparties en familles. • Cette base de donnée sert à déterminer : • les paramètres (caractéristiques) relevants à utiliser lors de la prédiction • comment utiliser ces paramètres • Les paramètres relevants sont déterminés par des méthodes statistiques (sans à priori). • Une fois les paramètres relevants déterminés, la base de données est utilisée pour déterminer les fonctions de densité de probabilité qui décrivent le lien entre les paramètres.

25. Contraintes basées sur l’alignement Notion de « caractéristique » • = paramètre • = propriété associée à un élément simple • ou relation entre plusieurs éléments • = relative à un résidu, à plusieurs résidus, • à une protéine, ou à deux séquences • Exemples : • acide aminé, accessibilité au solvant dans la structure, distance entre deux C, résolution de la structure, identité entre séquences,… • Définition de 21 caractéristiques

27. Contraintes basées sur l’alignement Qu’est-ce qu’une contrainte ? Contrainte = fonction (pdf) qui établit une relation entre différentes caractéristiques Formulation des contraintes ? 1. Quantification de l’association entre les caractéristiques caractéristiques dépendantes ou indépendantes ? 2. Définition d’une fonction mathématique expression de la contrainte = pdf

28. Formulation des contraintes ? Banque de 17 familles de protéines de structure connue = 80 protéines alignées Table multidimensionnelle des fréquences relatives observées pour la caractéristique x en fonction des caractéristiques a, b, c,… caractéristiques dépendantes ou indépendantes ? Tests statistiques pour mesurer la dépendance de x par rapport à a, b, c,…

29. Contraintes basées sur l’alignement Résultat : • 4 types de contraintes sont définies : - sur les distances C-C - sur les distances O-N (main-chain) - sur la conformation de la chaîne principale - sur la conformation des chaînes latérales • Exemple : • Contrainte sur distance C- C dans Target exprimée sour forme de fonction de densité de probabilité (pdf)… • => probabilité que dist(C- C) = x dépend de - distance entre C équivalents dans Template - accessibilité des C équivalents dans Template - homologie de séquence Target/Template - distance moyenne aux gaps dans l’alignement

30. Comment combiner les contraintes des caractéristiques pour la molécule ? • pdfs des caractéristiques => pdf moléculaire • « Variable Target Function Approach » • pondération des pdfs des caractéristiques au cours de la recherche de la structure de plus grande probabilité Contraintes locales (en terme de séquence) => Contraintes globales

31. Evaluation de Modeller • Choix de la structure Template ! • Qualité de la structure Template ! • Qualité de l’homologie ! • Qualité de l’alignement ! • Résidus enfouis mieux prédits que résidus accessibles • Zones de faible homologie moins bien prédites

32. Swiss Model & Swiss PDB Viewer Serveur de modélisation par homologie automatisée accessible à l’adresse : http://swissmodel.expasy.org/ ou via Swiss PDB Viewer (Deep View)

33. Modeller  Swiss Model Modeller : L’entièreté de la structure de la protéine est modélisée en utilisant des contraintes dérivées des structures templates. Swiss Model : La prédiction de la structure de la protéine se base sur un découpage de la protéine en des régions conservées et des régions variables qui sont modélisées séparément. => assemblage de fragments basés sur les structures templates.

34. Swiss Model : méthode 1. Identification de fragments de structure conservée • 2. Construction du cœur du modèle : • Position moyenne des atomes du backbone du cœur des templates avec pondération en fonction de la similarité séquence target / template • Les régions non conservées (boucles) sont laissées pour plus tard…

35. Swiss Model : méthode 2. Construction du cœur du modèle • 3. Modélisation des boucles : • recherche de fragments compatibles dans une banque de donnée de boucles (Loop-database) • reconstruction ab initio pour les boucles manquantes

36. Swiss Model : méthode 3. Modélisation des boucles • 4. Positionnement des chaînes latérales • On recherche la conformation la plus probable pour chaque chaîne latérale en utilisant : • les structures homologues • des banques de rotamères • des critères énergétiques

37. Swiss Model : méthode 4. Positionnement des chaînes latérales • 5. Minimisation énergétique • régularisation de la géométrie (longueurs de liaisons et angles) • suppression des conflits stériques

38. Prédiction de structures 3D • Modélisation par homologie : • Identification d’une protéine de structure connue de séquence homologue • Fold recognition ou threading : • Se base également sur la connaissance de structures 3D de protéines. On essaie de déterminer le fold de la protéine. • Ab initio : • Construction de modèles 3D • sur base de la séquence par • simulation des forces qui gouvernent le repliement pour trouver la structure de plus basse énergie.

39. FOLD = Type de repliement Certaines protéines (même non-homologues) adoptent le même fold. La PDB regroupe environ 30.000 structures, ce qui fait environ 4.000 folds.

40. Fold recognition • On essaie de prédire le fold compatible avec la séquence de la protéine sans tenir compte de l’homologie de séquence Méthode : • Identification du template (fold de la protéine) • Alignement Target / Template(s) • Construction du modèle 3D • Optimisation du modèle 3D • Validation du modèle 3D Idem que pour modélisation par homologie • On impose différents folds à la séquence • On calcule un score pour mesurer l’adéquation structure  séquence • On optimise l’alignement pour la structure ayant le meilleur score • On effectue une analyse statistique des résultats

41. Validation des structures 3D • Comparaison des modèles prédits • Comparaison au(x) Template(s) • Stéréochimie acceptable ? (Procheck) • conflits stériques • longueurs de liaison, angles de valence,… • carte de Ramachandran • … • Mesure de l’adéquation entre la structure et la séquence • Confrontation à des résultats expérimentaux • …

42. Comparaison de structures 3 modèles prédits par Modeller

43. Stéréochimie (Procheck)

44. Stéréochimie (Procheck)