Academic literature on the topic 'Structure 3D protéine'

Knowledge of three-dimensional structure is a key factor in protein engineering. It is useful, for example, in predicting and understanding the functional consequences of specific substitution of one or more amino acids of the polypeptide chain. It is also necessary for the design of new effectors or analogs of the substrates of enzymes and receptors. X-ray diffraction by crystals of the biomolecule was for a long time the only method of determining three-dimensional structures. In the last 5 years, it has been joined by a new technique, two-dimensional nuclear magnetic resonance (2D NMR), which can resolve the structure of middle-sized proteins ( < 10 kilodaltons). The technique is applied on solutions whose pH, ionic strength, and temperature can be chosen and changed. The two basic measurements, COSY and NOESY, detect respectively the systems of hydrogen nuclei, or protons, coupled through covalent bonds, and those in which the interproton distances are less than 0.5 nm. A systematic strategy leads from resonance assignments of the two-dimensional spectrum to molecular modeling with constraints and finally to the determination of the molecular structure in the solution. Much sophistication is needed even today for the first task, the assignment of the resonances. Each of the COSY and NOESY spectra is a two-dimensional map, where the diagonal line is the one-dimensional spectrum, and the off-diagonal peaks indicate connectivities between protons. Peak assignment to a specific type of amino acid is based on the pattern of scalar couplings observed in the COSY spectrum. Next, the amino acids are positioned in the primary sequence, using the spatial proximities of polypeptide chain protons, as observed in the NOESY spectrum. The principal secondary structures (α helix, β sheets, etc.) are then identified by their specific connectivities. The tertiary structure is detected by NOESY connectivities between protons of different amino acids which are far apart in the primary sequence. The distance constraints from the NOESY connectivities also provide the starting point for modeling the tertiary structure. This is then refined using distance geometry and molecular dynamics algorithms. The resolution of the structures obtained with the help of recent algorithmic developments may be comparable to that provided by X-ray diffraction. The COSY measurement can be completed or substituted by other measurements, useful albeit more complex. For example, the HOHAHA experiment, currently in wide use, gives the correlations through multiple covalent bonds. Multiquanta experiments, which select systems of a given number of coupled spins, provide spectral simplification. To help with the sequential assignment, which remains a limiting step, one may substitute amino acids isotopically labeled with 15N or 13C. Nuclear magnetic resonance of these nuclei is detected either directly or by heteronuclear proton NMR. In the latter case, heteronuclear cross-peaks indicate connectivities between protons and the isotopic nuclei, 1SN and 13C. This labeling is very useful for proteins with more than 100 amino acids and for proteins exhibiting low-resolution spectra. Resolution can also be enhanced by the combination of two-dimensional experiments, giving rise to 3D NMR. The graphic representation of a three-dimensional experiment is a cube whose sections correspond to virtual two-dimensional measurements. The 3D NMR can be homonuclear or, in the case of isotopically substituted proteins, heteronuclear. The time for a single experiment reaches several days. The memory needed for data acquisition and processing is greater than for two-dimensional experiments. Large parts of the data processing, such as peak detection or the recognition of secondary structure connectivities can be automated. Two-dimensional NMR is becoming a routine technique for peptide and protein structure determination in the laboratories of the pharmaceutical firms.Key words: protein engineering, three-dimensional structure, nuclear magnetic resonance, correlated spectroscopy, nuclear Overhauser effect spectroscopy.

L'objectif principal de ce projet de thèse était d'obtenir de nouvelles données structurales sur les transporteurs ADP/ATP mitochondriaux et de développer des outils pour les approches de micro- et nano-cristallographie appliquées à la biologie structurale des protéines membranaires.Le rôle principal du transporteur ADP/ATP (AAC) est d'importer et d'exporter respectivement de l’ADP3- et l’ATP4- à travers la membrane mitochondriale interne, entre l'espace intermembranaire et la matrice. AAC est le transporteur mitochondrial le mieux caractérisé de toute cette famille de protéines. De nombreuses études ont été menées pour caractériser sa fonction et sa structure. Toutefois, les données structurales n’étant disponibles que pour une conformation de la protéine, de nombreuses questions fondamentales notamment sur les différents états conformationnels adoptés par la protéine au cours du processus de transport restent encore posées. Dans cette thèse, nous avons étudié les 4 isoformes humaines d’AAC. Elles sont impliquées dans diverses maladies génétiques, mais jouent également un rôle dans la cancérogenèse. Cette thèse décrit ainsi en détail la caractérisation structurale et fonctionnelle de ces protéines et leur comparaison. C’est est une étape essentielle pour définir leurs propriétés, et constitue un point de départ précieux dans le développement de nouvelles thérapies.Le domaine de la biologie structurale ne cesse de connaître de nouveaux développements, comme c’est le cas par exemple avec l’avènement de la cristallographie sérielle. Il y a donc un besoin constant de nouvelles approches notamment pour la préparation des échantillons, leur montage sur les lignes de lumière et les collectes de données afin de continuer à améliorer la qualité des données collectées au synchrotron. Ainsi, notre objectif était d'utiliser différents échantillons de protéines membranaires pour développer de nouvelles techniques de cristallisation et de montage d’échantillons sur les lignes de lumière afin de préserver au mieux la qualité des échantillons tout en permettant des collectes de données plus rapides, plus efficaces et plus simples
The main objective of this PhD project was to gain new structural data on the mitochondrial ADP/ATP carriers and develop tools for micro- and nano-crystallography approaches applied to membrane protein structural biology.The main role of the ADP/ATP carrier (AAC) is to import and export ADP3- and ATP4- respectively between the intermembrane space and the matrix through the inner mitochondrial membrane. AAC is the best characterized among all mitochondrial carriers. Much has been done to investigate its function and structure. However, since structural data are only available for one conformation of the protein some fundamental questions about the different conformational states adopted during the transport process still need to be answered.In this thesis we considered 4 human AAC homologs as a main target. They are involved in different genetic diseases but play also a role in cancerogenesis. This thesis describes and compares in detail the functional and structural characterization of the human AAC isoforms. It was an essential step to give insight into their native properties and is a precious starting point for the drug development field.Since the structural biology field is rapidly developing especially in serial crystallography techniques, there are more and more new applications for samples preparation, mounting and measurements in order to improve the quality of the data collected at the synchrotrons. Hence, our second objective was to use different membrane protein samples to develop new crystal-friendly crystallization set up combined with different sample environment on the beamline toward faster, more efficient and simpler data collection

La dystrophine est une grande protéine membranaire périphérique qui assure un rôle de soutien du sarcolemme permettant aux cellules musculaires de résister aux stress mécaniques engendrés lors des processus de contraction/élongation. Des mutations génétiques conduisent à sa production sous forme tronquée voire à un déficit total en protéine engendrant de sévères myopathies actuellement incurables. Concevoir des thérapies adaptées passe par une meilleure compréhension du rôle biologique de la dystrophine. Par une approche structure/fonction, notre objectif est de déterminer les bases moléculaires impliquées dans les interactions de la dystrophine avec les lipides membranaires du sarcolemme. Grâce à une approche de diffusion aux petits angles (SAXS et SANS) combinée à de la modélisation moléculaire, nous montrons dans un premier temps que les bicelles constituent un modèle expérimental particulièrement adapté aux analyses de structures de protéines qui y sont associées. Ce développement méthodologique original a été exploité dans un deuxième temps pour caractériser les modifications structurales subies par la dystrophine lorsqu’elle interagit avec les lipides. Nous montrons particulièrement que la liaison aux lipides induit l’ouverture significative de la structure en triple hélice « coiled-coil » de la répétiton 1 du domaine central, et proposons en conclusion un modèle tout atome de la protéine en présence de bicelles. Ces travaux de thèse (i) constituent un apport méthodologique significatif pour l’étude de protéines membranaires, (ii) contribuent à une meilleure compréhension du rôle biologique de la dystrophine en vue de thérapies dédiées aux patients atteints de myopathies
Dystrophin is a large peripheral membrane protein that provides a supporting role for sarcolemma allowing muscle cells to withstand the mechanical stresses generated during contraction / elongation processes. Genetic mutations lead to dystrophin production in truncated form or even to a total deficit in the protein leading to severe myopathies currently incurable. Designing adapted therapies requires a huge knowledge of the biological role of dystrophin. Using a structure / function approach, our aim is to determine the molecular bases involved in the interactions of dystrophin with the membrane lipids of the sarcolemma. Using a small-angle scattering approach (SAXS and SANS) combined with molecular modeling, we show that bicelles constitute a versatile membrane mimic that is particularly adapted to analyze the structure of membrane proteins. This original methodological development was exploited to characterize the structural changes undergone by dystrophin upon lipid binding. We highlight in particular that the lipid binding induces a significant opening of the coiled-coil structure of the repeat 1 of the central domain and, in conclusion, we propose an all-atom model of the protein bound to a bicelle. These thesis works (i) constitute a significant methodological contribution for the study of membrane proteins, (ii) contribute to a better understanding of the biological role of dystrophin for therapies dedicated to patients with myopathies

La biotechnologie est maintenant bien établie dans le paysage de l'industrie chimique. Dans le domaine de la biocatalyse, il existe de nombreux exemples de mise en oeuvre réussie d'étapes enzymatiques dans des procédés de synthèse ou de développement de voies enzymatiques complètes, en particulier dans l'industrie pharmaceutique.Les lactames sont des composés qui se retrouvent dans de nombreux produits naturels et synthétiques, tels que les ingrédients pharmaceutiques actifs (API) et sont des précurseurs dans la chimie des polymères. Pour accéder aux lactames à partir de squelettes simples d'acides omega-aminés, la synthèse nécessite un processus en deux étapes : tout d'abord, l'activation de la fonction acide, puis, l'addition intramoléculaire d'amine nucléophile. Pour les petits lactames (5-7 chaînons), la cyclisation intramoléculaire se produit spontanément une fois l'acide activé.Dans le cadre de nos travaux sur des voies d'accès enzymatiques aux amides, nous avons récemment mis au point une synthèse impliquant une activation par CoA ligases, en absence de CoASH, et utilisant uniquement leur aptitude d'activation de l'acide par adénylation par l'ATP, introduit à seulement 5% molaire grâce à la mise en place d'un système de régénération.Jusqu'à présent, le type de lactames obtenus par biocatalyse est limité aux cycles nus, dépourvus de fonctions. L'objectif du projet est de disposer d'enzymes permettant la synthèse par approche biocatalytique de lactames fonctionnalisés de 5 à 7 chaînons. Pour cela deux types d'approche seront menés :1) Exploration de la biodiversité. Une collection d'enzymes de type CoA ligases, construite par une approche génomique basée sur l'identité de séquences, est disponible au laboratoire. Cette collection, constituée d'environ 250 enzymes, sera criblée sur des substrats précurseurs de lactames d'intérêt. Des enzymes d'adénylation, autres que des CoA ligases ont été identifiées et seront également testées.2) Conception rationnelle. En collaboration avec l'équipe des Pr. Dick Janssen et Dr. Andy-Mark Thunnissen (Université de Groningen, Pays-Bas), les données structurales seront utilisées pour générer des bibliothèques ciblées. Des expériences de docking avec les substrats seront réalisées pour cibler les mutations
Biotechnology is now a well-established part of the chemical industry landscape. In the field of biocatalysis, there are numerous examples of the successful implementation of enzymatic steps in synthesis processes or the development of complete enzymatic pathways, particularly in the pharmaceutical industry.Lactams are compounds found in many natural and synthetic products, such as active pharmaceutical ingredients (APIs), and are precursors in polymer chemistry. To access lactams from simple omega-amino acid backbones, synthesis requires a two-step process: first, activation of the acid function, followed by intramolecular nucleophilic amine addition. For small lactams (5-7 members), intramolecular cyclization occurs spontaneously once the acid has been activated.As part of our work on enzymatic access routes to amides, we recently developed a synthesis involving activation by CoA ligases, in the absence of CoASH, and using only their ability to activate the acid by adenylation with ATP, introduced at only 5 mol% thanks to the implementation of a regeneration system.Until now, the type of lactams obtained by biocatalysis has been limited to bare, functionless rings. The aim of the project is to provide enzymes for the biocatalytic synthesis of 5- to 7-membered functionalized lactams. To achieve this, two approaches will be pursued:1) Exploration of biodiversity. A collection of CoA ligase enzymes, built up using a genomic approach based on sequence identity, is available in the laboratory. This collection, comprising around 250 enzymes, will be screened on lactam precursor substrates of interest. Adenylation enzymes other than CoA ligases have been identified and will also be tested.2) Rational design. In collaboration with the team of Prof. Dick Janssen and Dr. Andy-Mark Thunnissen (University of Groningen, Netherlands), structural data will be used to generate targeted libraries. Substrate docking experiments will be carried out to target mutations

Cette thèse porte sur le développement de méthodes bioinformatiques permettant la prédiction des interactions protéine - ligand. L'approche employée est d'utiliser le partage entre protéines, des informations connues, à la fois sur les protéines et sur les ligands, afin d'améliorer la prédiction de ces interactions. Les méthodes proposées appartiennent aux méthodes dites de chémogénomique. La première contribution de cette thèse est le développement d'une méthode d'apprentissage statistique pour la prédiction des interactions protéines - ligands par famille. Elle est illustrée dans le cas des GPCRs. Cette méthode comprend la proposition de noyaux pour les protéines qui permettent de prendre en compte la similarité globale des GPCRs par l'utilisation de la hiérarchie issue de l'alignement des séquences de cette famille, et la similarité locale au niveau des sites de fixation des ligands de ces GPCRs grâce à l'utilisation des structures 3D connues des membres de cette famille. Pour cela un jeu de données a été créé afin d'évaluer la capacité de cette méthode à prédire correctement les interactions connues. La deuxième contribution est le développement d'une mesure de similarité entre deux sites de fixation de ligands provenant de deux protéines différentes représentés par des nuages d'atomes en 3D. Cette mesure implique la superposition des poches par rotation et la translation, avec pour but la recherche du meilleur alignement possible en maximisant le regroupement d'atomes ayant des propriétés similaires dans des régions proches de l'espace. Les performances de cette méthodes ont été mesurées à l'aide d'un premier jeu de donnés provenant de la littérature et de deux autres qui ont été créé à cet effet. L'ensemble des résultats de cette thèse montre que les approches de chémogénomique présentent de meilleures performances de prédiction que les approches classique par protéine.

Les génomes des mammifères adoptent une organisation 3D fonctionnelle où les interactions entre les enhancers et les promoteurs des gènes sont contenues à l'intérieur de domaines d'association topologique (TADs). La protéine insulatrice CTCF a deux rôles dans ce processus : sa liaison aux promoteurs permettant la formation de boucles enhancers-promoteurs (structure intra-TAD) et sa liaison aux frontières des TADs empêchant la formation de boucles ectopiques entre domaines voisins. Surtout, les perturbations de la liaison de la protéine CTCF à des sites particuliers dans des cellules cancéreuses peuvent être dues à des changements de séquences d'ADN (mutations) ou à des changements de méthylation de l'ADN (épi-mutations). Nous avons d'abord réalisé des expériences calibrées de CTCF ChIP-seq et avons trouvé qu'un grand nombre de sites ont une liaison différente de CTCF, avec une grande fraction de sites différemment liés étant partagés parmi les lignées cancéreuses. Ces changements de liaison de CTCF peuvent être des gains ou des pertes de liaison et sont souvent situés près de gènes associés à la transformation cancéreuse. Nous avons trouvé une remarquable corrélation entre les changements de liaison de CTCF et les changements d'enrichissement de la marque H3K27ac, indiquant un lien entre la liaison de CTCF et l'activité d'éléments cis-régulateurs (CREs). Grâce à des expériences de Hi-C à haute résolution, nous avons évalué l'impact de ces changements de liaison de CTCF sur la structure de la chromatine, caractérisant une réorganisation considérable de la structure 3D du génome à des loci de gènes qui contiennent des pics CTCF perturbés. De manière inattendue, nous trouvons les exemples les plus drastiques de réorganisation à l'intérieur des TADs, au niveau des boucles enhancers-promoteurs. Ensuite, nous avons identifié les changements de méthylation de l'ADN comme la cause de la dérégulation de la liaison de CTCF dans notre modèle. En utilisant un agent retirant la méthylation de l'ADN sur l'ensemble du génome, nous avons réussi à partiellement inverser des changements de liaison de CTCF que nous avons observés et les changements d'expression induits. Ainsi, notre étude identifie une réorganisation invasive de la liaison de CTCF et des structures intra-TADs, induite par la méthylation de l'ADN. Ces épi-mutations récurrentes peuvent expliquer les mécanismes de dérégulation commune des gènes dans les cancers
Mammalian genomes adopt a functional 3D organization where enhancer-promoter interactions are constrained within Topologically Associating Domains (TADs). The CTCF insulator protein has a dual role in this process, with binding at promoters resulting in the formation of enhancer-promoter loops (intra-TAD structure) and binding at TAD boundaries preventing the formation of inappropriate loops between neighboring domains. Importantly, perturbations of CTCF binding at specific sites in cancer cells can be caused by both changes to the DNA sequence (mutations) or DNA methylation changes (epi-mutations). We first performed precisely-calibrated CTCF ChIP-seq experiments and found that a large number of sites are differentially bound, with a substantial fraction of differential CTCF binding peaks shared among cancer cell lines. Differential CTCF peaks can both be gained and lost and are often localized close to genes associated with breast cancer transformation. We found a striking correlation between CTCF binding changes and H3K27ac changes indicating a link between CTCF binding and the activity of cis-regulatory elements (CREs). Using high-resolution Hi-C, we assessed the impact of differential CTCF binding on chromatin structure, characterizing considerable 3D genome reorganization at gene loci with perturbed CTCF peaks. Unexpectedly, we find the most drastic examples of reorganization within TADs, at the level of enhancer-promoter loops. Then, we identified DNA methylation changes as the upstream cause of CTCF binding deregulation in our breast cancer model. Using genome-wide hypomethylating agent, we were able to partially reverse observed CTCF binding changes and the gene expression changes they induced. Our work thus identifies a pervasive DNA-methylation-guided reorganization of CTCF binding and intra-TAD structure. Such recurrent patterns of epi-mutations can provide a mechanistic explanation for shared gene deregulation in cancers

La protéine Bcd1 est un facteur nucléaire essentiel à la viabilité cellulaire de la levure Saccharomyces cerevisiae. Il est décrit comme requis pour assurer la stabilité des snoRNA à boîtes C/D. Ces petits ARN non codants s’assemblent à un jeu de 4 protéines invariables pour former les snoRNP à boîtes C/D qui sont des acteurs cruciaux de la biogenèse des ribosomes. En effet, quelques-unes de ces particules participent aux mécanismes assurant la maturation du précurseur des ARN ribosomiques et la grande majorité des autres particules sont des catalyseurs de la modification par 2’-O-méthylation des riboses. Bcd1p n’est pas présente au sein des particules matures, mais fait partie de ses facteurs d’assemblage, au même titre que les sous-complexes Rsa1p:Hit1p et R2TP (Rvb1p:Rvb2p:Tah1p:Pih1p). Notre analyse de différents fragments de Bcd1p a dans un premier temps montré que sa région N-terminale (résidus 1 à 96) suffit à lui conférer son caractère essentiel. Cette région comprend un domaine à double doigt à zinc de la famille zf-HIT, également présent chez un autre facteur d’assemblage des snoRNP à boîtes C/D, la protéine Hit1. Nous avons résolu la structure 3D en solution de ces doigts à zinc et montré que ce sont des modules d’interaction avec les protéines Rvb1/2. Dans un second temps nous avons identifié la région C-terminale (résidus 120 à 303) de la protéine Bcd1 comme étant suffisante pour interagir avec la chaperonne d’histone Rtt106p. La structure 3D en solution de ce domaine a été déterminée par RMN. Différentes approches de cinétique d’échange hydrogène/deutérium et d’expériences de cross-link suivies par des analyses par spectrométrie de masse, des expériences de titrage par RMN et de SAXS nous ont permis d’obtenir des informations sur les surfaces d’interaction de chacune de ces deux protéines. Un fragment, défini à partir des données de RMN de Bcd1p libre, nous a permis d'obtenir des cristaux du complexe Bcd1p:Rtt106p ouvrant la perspective de résoudre sa structure 3D par diffraction aux rayons X. De plus, des études fonctionnelles ont débuté visant à déterminer l’importance de la formation de ce complexe sur la biogenèse des snoRNP à boîtes C/D et l’impact de Bcd1p sur l’interaction entre Rtt106p et les nucléosomes
The protein Bcd1 is a nuclear factor essential for the cellular viability of the yeast Saccharomyces cerevisiae. It is described as required to ensure box C/D snoRNA stability. These small non-coding RNAs associate with an invariable set of 4 proteins to form the box C/D snoRNPs that are crucial players in ribosome biogenesis. Indeed, some of these particles participate in mechanisms for the maturation of the ribosomal RNA precursor (prerRNA) and the vast majority of the other particles are catalysts of 2’-O-methylation of riboses. Bcd1p is not present in mature particles, but is one of the assembly factors in addition to the Rsa1p:Hit1p and R2TP (Rvb1p:Rvb2p:Tah1p:Pih1p) sub-complexes. Our analysis of the different Bcd1p fragments has firstly shown that the essential function of Bcd1p relies on its N-terminal region (residues 1 to 96). It comprises a double zinc finger domain from the zf-HIT family, also present in another box C/D snoRNP assembly factor, the protein Hit1. We solved the 3D solution structure of these two zinc fingers and showed that these are modules for the interaction of Bcd1p with the Rvb1/2 proteins. Secondly, we identified the C-terminal region (residues 120 to 303) of Bcd1p as being sufficient to interact with the histone chaperone Rtt106p. The 3D solution structure of this domain of Bcd1p was determined by NMR. Different approaches of hydrogen/deuterium kinetic exchange and cross-link experiments followed by mass spectrometry analysis, NMR titration, and SAXS allowed us to obtain information about the interaction surfaces on each of the two proteins. A fragment defined from NMR data on the free Bcd1p allowed us to obtain crystals of the Bcd1p:Rtt106p complex, opening the perspective to solve its 3D structure by X-ray diffraction. Furthermore, functional studies started in order to determine the importance of this complex formation in box C/D snoRNP biogenesis and the impact of Bcd1p on the interaction of Rtt106p with nucleosomes

This thesis is in the intersection of two proliferating research fields, namely data mining and bioinformatics. With the emergence of graph data in the last few years, many efforts have been devoted to mining frequent subgraphs from graph databases. Yet, the number of discovered frequentsubgraphs is usually exponential, mainly because of the combinatorial nature of graphs. Many frequent subgraphs are irrelevant because they are redundant or just useless for the user. Besides, their high number may hinder and even makes further explorations unfeasible. Redundancy in frequent subgraphs is mainly caused by structural and/or semantic similarities, since most discovered subgraphs differ slightly in structure and may infer similar or even identical meanings. In this thesis, we propose two approaches for selecting representative subgraphs among frequent ones in order to remove redundancy. Each of the proposed approaches addresses a specific type of redundancy. The first approach focuses on semantic redundancy where similarity between subgraphs is measured based on the similarity between their nodes' labels, using prior domain knowledge. The second approach focuses on structural redundancy where subgraphs are represented by a set of user-defined topological descriptors, and similarity between subgraphs is measured based on the distance between their corresponding topological descriptions. The main application data of this thesis are protein 3D-structures. This choice is based on biological and computational reasons. From a biological perspective, proteins play crucial roles in almost every biological process. They are responsible of a variety of physiological functions. From a computational perspective, we are interested in mining complex data. Proteins are a perfect example of such data as they are made of complex structures composed of interconnected amino acids which themselves are composed of interconnected atoms. Large amounts of protein structures are currently available in online databases, in computer analyzable formats. Protein 3D-structures can be transformed into graphs where amino acids are the graph nodes and their connections are the graph edges. This enables using graph mining techniques to study them. The biological importance of proteins, their complexity, and their availability in computer analyzable formats made them a perfect application data for this thesis.

Un dérivé phosphorylé covalent stable de la Ca-ATPase du réticulum sarcoplasmique est obtenu à partir de la protéine modifiée par le FITC. Nous avons produit de façon reproductible, des cristaux de type tubulaire de ce dérivé phosphorylé cuvaient stable, à partir de vésicules de réticulum sarcoplasmique natives. Après un traitement d'image de clichés de cryomicroscopie électronique, nous avons calculé la première structure tridimensionnelle d'un dérivé phosphorylé covalent stable d'une ATPase de type P à 8À de résolution. La comparaison de cette nouvelle structure avec les autres structures existantes de la Ca-ATPase, suggère certaines modifications notamment au niveau ou positionnement des domaines cytoplasmiques. Des expériences de trypsinisation et de chromatographie sur une colonne agarose-Red120, ont permis d affiner ces observations. Les liens entre ces moditications structurales et le mécanisme de transport de calcium couplé à l'hydrolyse d ATP sont discutés.

Cette thèse est à l'intersection de deux domaines de recherche en plein expansion, à savoir la fouille de données et la bio-informatique. Avec l'émergence des bases de graphes au cours des dernières années, de nombreux efforts ont été consacrés à la fouille des sous-graphes fréquents. Mais le nombre de sous-graphes fréquents découverts est exponentiel, cela est due principalement à la nature combinatoire des graphes. Beaucoup de sous-graphes fréquents ne sont pas pertinents parce qu'ils sont redondants ou tout simplement inutiles pour l'utilisateur. En outre, leur nombre élevé peut nuire ou même rendre parfois irréalisable toute utilisation ultérieure. La redondance dans les sous-graphes fréquents est principalement due à la similarité structurelle et / ou sémantique, puisque la plupart des sous-graphes découverts diffèrent légèrement dans leur structures et peuvent exprimer des significations similaires ou même identiques. Dans cette thèse, nous proposons deux approches de sélection des sous-graphes représentatifs parmi les fréquents a n d'éliminer la redondance. Chacune des approches proposées s'intéresse à un type spécifique de redondance. La première approche s'adresse à la redondance sémantique où la similarité entre les sous-graphes est mesurée en fonction de la similarité entre les étiquettes de leurs nœuds, en utilisant les connaissances de domaine. La deuxième approche s'adresse à la redondance structurelle où les sous-graphes sont représentés par des descripteurs topologiques définis par l'utilisateur, et la similarité entre les sous-graphes est mesurée en fonction de la distance entre leurs descriptions topologiques respectives. Les principales données d'application de cette thèse sont les structures 3D des protéines. Ce choix repose sur des raisons biologiques et informatiques. D'un point de vue biologique, les protéines jouent un rôle crucial dans presque tous les processus biologiques. Ils sont responsables d'une variété de fonctions physiologiques. D'un point de vue informatique, nous sommes intéressés à la fouille de données complexes. Les protéines sont un exemple parfait de ces données car elles sont faites de structures complexes composées d'acides aminés interconnectés qui sont eux-mêmes composées d'atomes interconnectés. Des grandes quantités de structures protéiques sont actuellement disponibles dans les bases de données en ligne. Les structures 3D des protéines peuvent être transformées en graphes où les acides aminés représentent les nœuds du graphe et leurs connexions représentent les arêtes. Cela permet d'utiliser des techniques de fouille de graphes pour les étudier. L'importance biologique des protéines et leur complexité ont fait d'elles des données d'application appropriées pour cette thèse.

Le snoRNA U3 contient deux motifs conservés C'/D et de B/C qui permettent de recruter les protéines constitutives de la snoRNP U3. La liaison de la protéine Snu13p/15.5 kD à chacun de ces motifs est un préalable pour le recrutement des 4 autres protéines, à savoir : Nop1p, Nop56p et Nop58p sur le motif C'/D et de Rrp9p, une protéine spécifique du snoRNA U3, sur le motif B/C. Nous avons utilisé la structure 3D connue d'une protéine humaine contenant 7 motifs WD-40 et des méthodes de modélisation moléculaire pour proposer un modèle de structure 3D de Rrp9p. En parallèle, nous avons identifié les déterminants nécessaires à l'association des protéines Snu13p, Nop1p, Nop56p et Nop58p sur le motif C'/D du snoRNA U3, ceci en produisant différents variants du snoRNA U3 et en testant leurs capacités fonctionnelles et leurs stabilités dans la levure. Sur la base d'un modèle 3D d'une snoRNP C/D construit par C. Charron, nous avons ensuite formulé des hypothèses sur les interactions possibles entre le motif C'/D et les acides aminés des protéines Snu13p et Nop58p et confirmé ces hypothèses par mutagénèse dirigée. Les données ont en plus révélé qu'une faible quantité de snoRNA U3 est suffisante pour assurer la croissance des levures. Toujours par mutagénèse dirigée et étude des conséquences in cellulo, j'ai pu montrer quelles sont les contraintes en distance entre les motifs C'/D et B/C. Ce qui nous permet de formuler des hypothèses sur leurs positionnements relatifs dans la snoRNP. Au total mon travail a permis d'apporter des informations importantes sur l'architecture et les contraintes fonctionnelles de la snoRNP U3 de levure
U3 snoRNA contains two conserved pairs of boxes C'/D and B/C needed to bind the stably associated proteins. Binding of protein Snu13p/15.5 kD to each of the conserved motifs is a prerequisite for recruitment of the 4 other U3 snoRNP proteins, namely: Nop1p, Nop56p and Nop58p on the C'/D motif and the Rrp9p U3 specific protein on the B/C motif. We used the known 3D structure of a human G protein containing 7 WD-40 motifs and 3D structure homology modeling methods to build a 3D structure model for Rrp9p. In parallel, by production of variant U3 snoRNAs, and by testing their in vivo stabilities and activities, we identified the C'/D determinants needed for association of proteins Snu13p, Nop1p, Nop56p and Nop58p to U3 snoRNA. Based on a 3D structure model of U3 C/D box RNP built by C Charron, we then formulated hypotheses on the possible interactions between the C'/D motif and amino acids from Snu13p and Nop58p and verified the hypotheses by site-directed mutagenesis of yeast cell components. The data also revealed that very low amounts of U3 snoRNA are sufficient to ensure yeast growth. By site directed mutagenesis, I also studied how the C'/D and B/C motifs should be positioned one relative to the other in order to be functional. Taken together, my work brings important information on the architecture of yeast U3 snoRNP and its functional constraints