Exploitation des algorithmes génétiques pour la prédiction de structure de complexe protéine-protéine / Using genetic algorithms to predict structural protein-protein interactions

Informations générales
Nom
Bourquard
Prénom
Thomas
Diplôme
Thèse
Année
2009
Détails de la thèse/HDR
Jury
Raphaël Guerois
Dave Ritchie
Alessandra Carbone
Daniel Gautheret
Guénoche Alain
Directeur (pour les thèses)
Anne Poupon
Jérôme Azé
Résumé en français
Les fonctions de la majorité des protéines sont subordonnées à l'interaction avec un ou plusieurs partenaires : acides nucléiques, autres protéines... La plupart de ces interactions sont transitoires, difficiles à détecter expérimentalement et leurs structures sont souvent impossible à obtenir. C'est pourquoi la prédiction in silico de l'existence de ces interactions et la structure du complexe résultant ont été l'objet de nombreuses études depuis plus d'une décennie maintenant.
Pour autant les protéines sont des objets complexes et les méthodes informatiques classiques sont trop "gourmandes" en temps pour l'exploration à grande échelle de l'interactome des différents organismes. Dans ce contexte de développement d'une méthode de docking protéine-protéine haut débit nous présenterons ici l'implémentation d'une nouvelle méthode d'amarrage, celle-ci est basée sur : l'utilisation de deux types de formalismes : Les tessellations de Voronoï et Laguerre permettant la manipulation de modèles géométriques simplifiés permettant une bonne modélisation des complexes et des temps de calcul plus raisonnable qu'en représentation atomique.
L'utilisation et l'optimisation d'algorithmes d'apprentissage (algorithmes génétiques) permettant d'isoler  les conformations les plus pertinentes entre deux partenaires protéiques.  Une méthode d'évaluation basée sur le clustering de méta-attributs calculés au niveau de l'interface permettant de trier au mieux ce sous-ensemble de conformations candidates.
 
 
Résumé en anglais
Using genetic algorithms to predict structural protein-protein interactions.
Most proteins fulfill their functions through the interaction with one or many partners as nucleic acids, other proteins... Because most of these interactions are transitory, they are difficult to detect experimentally and obtaining the structure of the complex is generally not possible. Consequently, "in silico prediction" of the existence of these interactions and of the structure of the resulting complex has received a lot of attention in the last decade.
However, proteins are very complex objects, and classical computing approaches have lead to computer-time consuming methods, whose accuracy is not sufficient for large scale exploration of the so-called "interactome" of different organisms.
In this context development of high-throughput prediction methods for protein-protein docking is needed. We present here the implementation of a new method based on: Two types of formalisms: The Voronoi  and Laguerre tessellations Two   simplified geometric models for  coarse-grained modeling  of complexes. This leads to computation time more reasonable than in atomic representation.
The use and optimization of learning algorithms (genetic algorithms) to isolate the most relevant conformations between two protein partners. An evaluation method based on clustering of meta-attributes calculated at the interface to sort the best subset of candidate conformations.