Academic literature on the topic 'Interactions ARN-protéine – Simulation par ordinateur'

Mon travail de thèse s'est projeté dans l'avenir de la recherche biomédical. Nous avons développé dans ce cadre un protocole permettant l'accélération du processus de découvertes de nouvelles molécules bio-actives ciblant les interactions entre deux protéines. Ce protocole que nous avons appelé approche 2P2I, acronyme de ‘Protein/Protein Interaction Inhibition’, propose de combiner des méthodes informatiques de criblage de petites molécules (criblage in silico) à des criblages expérimentaux utilisant des tests in vitro et des tests en contexte cellulaire. Il permet d'élaborer, à façon, une stratégie rapide et efficace de conception de molécules bio-actives adaptée aux conditions du sujet biologique (structures et/ou inhibiteurs connus, données de mutagenèse dirigée) et applicable dans un contexte académique. Le manuscrit décrit l'application de l'approche 2P2I à plusieurs projets de recherche pour la conception d'antiviraux ainsi que les outils et stratégies de modélisation que nous avons développé
My thesis focused on the future of biomedical research. We have developed for this purpose a protocol allowing to speed-up the discovery of new bio-active molecules targeting the interactions between two proteins. Using this protocol that we call "2P2I approach", acronym of Protein/Protein Interaction Inhibition, we proposes to combine molecular modeling methods for small molecules screening (in silico screening) with experimental screening using in vitro and cellular assays. It permits to create and adapt a fast and efficient strategy to design bio-active compounds according the biological subject specificities (known structures, known inhibitors, directed mutagenesis data) and applicable in academic research programs. The manuscript describes how we applied the 2P2I approach to several research projects to design antiviral drugs as well as the modeling tools and strategies we developed

La caractérisation des complexes ARN-protéine à l'échelle atomique nous permet de mieux comprendre les fonctions de ces complexes, et de définir des cibles thérapeutiques pour réguler les phénomènes biologiques auxquels ils participent. L'objet de cette thèse est de développer des outils permettant de prédire la structure d'un complexe protéine-ARN lorsque l'on connaît une structure 3D de la protéine ainsi que la structure secondaire de la partie d'ARN en interaction. Nous nous concentrons sur le cas où l'ARN est principalement sous forme simple brin (nucléotides non appariés), posant la difficulté de sa flexibilité. Une méthode d'amarrage développée dans l'équipe CAPSID repose sur l'utilisation de fragments structuraux d'ARN simple brin. Le travail de cette thèse s'est appuyé sur cette méthode pour réaliser l'amarrage de structures secondaires de l'ARN. Nous avons d'abord évalué l'apport d'une contrainte de fermeture de boucle pour l'amarrage de la boucle simple brin d'une structure en épingle, puis abordé l'amarrage des éléments double brin de ces structures, ouvrant la voie à l'assemblage du complexe entier. Cette méthode d'amarrage est dépendante de l'utilisation de bibliothèques de fragments structuraux. Ces bibliothèques sont composées de prototypes qui représentent le paysage conformationnel observé expérimentalement dans les structures d'ARN liés à des protéines. Une large partie du travail de thèse a consisté en la création et l'optimisation de telles bibliothèques de fragments. Nous avons créé l'outil ProtNAff qui permet d'extraire de la PDB des sous-ensembles de structures et de créer des bibliothèques de fragments d'acides nucléiques, suivant des combinaisons complexes de critères. Il a été conçu de façon à dépasser nos besoins, afin d'être adopté par la communauté pour le traitement de problèmes variés. Nous avons développé une nouvelle approche pour l'inférence de prototypes représentatifs d'un ensemble de conformations. L'ensemble de prototypes doit satisfaire deux contraintes contradictoires: être représentatif (au sens de la métrique) et de cardinalité aussi petite que possible. Le problème se réduit donc à celui de l'inférence d'un epsilon-réseau de cardinalité minimale. Nous le traitons dans toute sa généralité en discutant des ensembles sur lesquels sont définies les données. Notre méthode se base sur la classification ascendante hiérarchique avec comme linkage le rayon des plus petites boules englobant les points de chaque sous-ensemble. Appliquée à nos bibliothèques, cette approche a permis de réduire d'un facteur 4 leur taille, et d'autant nos temps de calcul d'amarrage, tout en améliorant leur fiabilité. Enfin, pour pallier le problème posé par les superpositions de structures deux à deux, nous avons utilisé une représentation des fragments en coordonnées internes permettant de réduire encore les temps de calcul de création des bibliothèques
The characterization of RNA-protein complexes at the atomic scale allows us to better understand the biological functions of these complexes, and to define therapeutic targets to regulate the biological phenomena in which they participate. The aim of this thesis is to develop tools to predict the structure of a protein-RNA complex when a 3D structure of the protein is known as well as the secondary structure of the interacting RNA part. We focus on the case where RNA is mainly in single-stranded form (unpaired nucleotides), raising the difficulty of its flexibility.A docking method developed in the CAPSID team is based on the use of structural fragments of single-stranded RNA. The work of this thesis builds on this method to perform docking of RNA secondary structures. We first evaluated the contribution of a loop closure constraint for docking the single-stranded loop of a hairpin structure, and then addressed the docking of the double-stranded elements of these structures, paving the way for the assembly of the entire complex.This fragment-based docking method is dependent on the use of structural fragment libraries. These libraries are composed of prototypes that represent the conformational landscape experimentally observed in protein-bound RNA structures. A large part of the thesis work consisted in the creation and optimization of such fragment libraries.We created the ProtNAff tool that allows to extract subsets of structures from the PDB and to create libraries of nucleic acid fragments, following complex combinations of criteria. It has been designed to exceed our needs, so that it can be adopted by the community for the treatment of various problems.We have developed a new approach for inferring prototypes of a set of conformations. The set of prototypes must satisfy two contradictory constraints: to be representative (in the sense of the metric) and of cardinality as small as possible. The problem thus reduces to that of inferring an epsilon-network of minimal cardinality. We treat it in all its generality by discussing the spaces on which the data are defined. Our method is based on hierarchical agglomerative classification with as linkage the radius of the minimum balls enclosing the points of each subset. Applied to our libraries, this approach reduced their size by a factor of 4, and our docking computation time by the same amount, while improving their reliability.Finally, to overcome the problem posed by the pairwise superimposition of structures, we used a representation of the fragments in internal coordinates, allowing to reduce further the computation time for the creation of libraries

Dans le milieu cellulaire, l’activité d’une protéine est souvent conditionnée par l’interaction protéines protéines (IPP). Pouvoir inhiber ces IPP a un intérêt pour comprendre des mécanismes moléculaires au sein de la cellule ou bien dans le développement de médicaments. Les peptides cycliques (PC) sont adaptés pour bloquer des IPP. Ils possèdent une grande surface d’interaction tout en ayant une bonne stabilité conformationnelle ce qui permet d’avoir une bonne spécificité et affinité pour leur cible. A l’heure actuelle, peu de méthodes existent pour prédire les structures les plus probables de PC, ainsi que la prédiction des IPP et des mécanismes qui ont lieu lors du processus d’association. Nous présentons les travaux effectués dans l’élaboration d’un protocole qui vise à concevoir et échantillonner le paysage conformationnel de PC. Cet échantillonnage des conformations est réalisé à l’aide de dynamique moléculaire avec échange de répliques. Nous montrons qu’avec cette méthode, les prédictions des structures les plus probables sont proches des conformations résolues expérimentalement. Enfin pour ce qui est de l’étude des interactions IPP nous présentons nos travaux dans l’élaboration d’un protocole de métadynamique avec biais échangés. Cette méthode d’échantillonnage accéléré de dynamique moléculaire permet de prédire l’affinité de liaison d’un complexe PP ainsi que les états métastables. Nous présentons deux applications sur un système protéine PC et protéine protéine. Nous montrons également que le choix des variables collectives est important dans l’élaboration d’une méthode fiable et que la prédiction des constantes cinétiques reste encore difficile d’accès
Proteins are molecules involved in biological function. Most of them interact with other protein. Disturb protein protein interactions has high potential in the development of new drugs. Cyclic peptides could be good candidat with a good specificity and target for their targets. Indeed cyclization stabilize and increase their resistance again protease. Make experimental experience to check their binding affinity can be complicated. In this thesis we present method to sample Cyclic peptides’s conformational landscape and predicted their binding affinity for their targets with enhanced sampling method

Le monde biologique est rempli de mystères. La compréhension de nombreux processus biologiques extrêmement complexes est grandement améliorée par la combinaison d’approches empruntées à différentes disciplines telles que la chimie et plus récemment la physique. La physique utilise des outils expérimentaux tels que les pinces optiques et les microscopies optique et électronique pour explorer les mécanismes à l’échelle microscopique se déroulant dans la cellule. La connaissance de la nature des interactions entre biomolécules et la possibilité de traduire ces interactions en équations ont permis à la physique de construire des modèles simples mais contenant les ingrédients suffisants à la description d’un mécanisme spécifique. La simulation numérique de tels modèles permet d’améliorer notre compréhension de la relation entre les mécanismes pertinents à l’échelle moléculaire et les observations expérimentales de phénomènes biologiques
The biological world is full of mysteries. The understanding of many extremely complex biological processes is greatly improved by the combination of approaches borrowed from different disciplines such as chemistry and more recently physics. Physics uses experimental tools such as optical tweezers and optical and electron microscopes to explore the microscopic mechanisms taking place in the cell. Knowledge of the nature of the interactions between biomolecules and the possibility of translating these interactions into equations allowed physics to construct models that are simple, but contain the ingredients sufficient to describe a specific mechanism. The numerical simulation of such models improves our understanding of the relationship between relevant molecular-scale mechanisms and experimental observations of biological phenomena. The structural organization of biomolecular complexes is a process that involves various scales of length and time

Les interactions ARN-protéine interviennent dans de nombreux processus cellulaires fondamentaux. L'obtention de détails à l'échelle atomique de ces interactions nous éclaire sur leurs fonctions, mais permet également d'envisager la conception rationnelle de ligands pouvant les moduler. Lorsque les deux techniques majeures que sont la RMN et la cristallographie aux rayons X ne permettent pas d'obtenir une structure 3D entre les deux partenaires, des approches de docking peuvent être utilisées pour apporter des modèles. L'application de ces approches aux complexes ARN-protéine se heurtent cependant à une difficulté. Ces complexes résultent en effet souvent de la liaison spécifique d'une courte séquence d'ARN simple-brin (ARNsb) à sa protéine cible. Hors, la flexibilité inhérente aux segments simples-brins impose dans une approche classique de docking d'explorer un large ensemble de leur espace conformationnel. L'objectif du projet est de contourner cette difficulté par le développement d'une approche de docking dite "par fragments". Ce dernier s'est fait à partir de domaines de liaison à l'ARN très représentés dans le monde du vivant. Les résultats ont montré une excellente capacité prédictive de l'approche à partir de la séquence de l'ARN. Ils ont de plus montré un potentiel intéressant dans la prédiction de séquences d'ARN simple-brin préférentiellement reconnues par des domaines de liaisons à l'ARN
RNA-protein interactions mediate numerous fundamental cellular processes. Atomic scale details of these interactions shed light on their functions but can also allow the rational design of ligands that could modulate them. NMR and X-ray crystallography are the 2 main techniques used to resolve 3D highresolution structures between two interacting molecules. Docking approaches can also be utilized to give models as an alternative. However, the application of these approaches to RNA-protein complexes is hampered by an issue. RNA-protein interactions often relies on the specific recognition of a short singlestranded RNA (ssRNA) sequence by the protein. The inherent flexibility of the ssRNA segment would impose, in a classical docking approach, to explore their resulting large conformation space which is not computationally reliable. The goal of this project is to overcome this barrier by using a fragment-based docking approach. This approach developed from some of the most represented RNA-binding domains showed excellent results in the prediction of the ssRNA-protein binding mode from the RNA sequence and also a great potential to predict preferential RNA binding sequences