Lโexpรฉrience et la thรฉorie ont permis de comprendre et dโexpliquer une grande partie des processus biologiques sur lesquels se fondent les mรฉcanismes du vivant. La combinaison des deux a toujours permis dโapporter les meilleures interprรฉtations. Les fondements de ces mรฉcanismes sont liรฉs ร la rรฉactivitรฉ intermolรฉculaire, mais du point de vue de lโanalyse prรฉdictive, compte tenu de leur complexitรฉ, il reste encore impossible de prรฉdire lโรฉvolution de tels processus.
Or, durant ces derniรจres dรฉcennies, la croissance des ressources informatiques et des capacitรฉs de calcul qui en rรฉsultent, ont permis dโenvisager le dรฉveloppement dโoutils de simulation de plus en plus performants. Ils permettent de traiter des macromolรฉcules dโintรฉrรชt biologique et sont des moyens prรฉdictifs puissants dans de nombreux domaines : de la conception de mรฉdicaments aux biotechnologies, ces outils se rendent trรจs utiles (21) (22).Nous allons nous intรฉresser ici en particulier ร la prรฉdiction de la formation de complexes composรฉs de deux molรฉcules ou processus de ยซ docking ยป. Aprรจs avoir dรฉcrit comment sont traitรฉes aujourdโhui les interactions pour de tels systรจmes dans les modรจles de simulation, nous รฉvoquerons leurs limites et lโimportance de prendre en compte la flexibilitรฉ des molรฉcules en biologie.
Contexte
Le dรฉveloppement de la biologie molรฉculaire, ainsi que de la biologie structurale, depuis le milieu du siรจcle dernier a permis de comprendre, par la voie de lโexpรฉrience et de lโanalyse, les processus biologiques ร une รฉchelle de plus en plus petite (23). Les outils de simulation permettent depuis le dรฉbut des annรฉes 1980 dโรฉtudier ces processus sous la forme dโinteractions entre biomolรฉcules jusquโร lโรฉchelle atomique. Grรขce ร ces avancรฉes scientifiques et techniques, de nombreuses perspectives industrielles ont vu le jour, notamment dans le domaine de la mรฉdecine. Dans cette partie, nous allons prรฉsenter, du point de vue de la modรฉlisation, lโรฉtat de lโart et les chemins dโรฉtude de ces processus biologiques, de plus en plus approfondis.
Les enjeux
La modรฉlisation des fonctions biologiques des molรฉcules nรฉcessite une analyse ร des รฉchelles de lโordre de lโatome, ce qui a donnรฉ lieu au dรฉveloppement dโoutils de simulation. Leur capacitรฉ ร expliquer et ร prรฉdire leur confรจre un rรดle important dans les domaines de la recherche ou des applications liรฉes ร la biologie molรฉculaire, tels que la conception de mรฉdicaments, le dรฉveloppement des biotechnologies et depuis quelques annรฉes la crรฉation de matรฉriaux artificiels nouveaux, dans le cadre du dรฉveloppement des nanosciences : les matรฉriaux bio-inspirรฉs.
Recherche fondamentale
La modรฉlisation des molรฉcules biologiques tient un rรดle primordial dans le domaine de la recherche fondamentale. Elle vient complรฉter les observations issues de lโexpรฉrience, qui, historiquement, a toujours รฉtรฉ le moyen privilรฉgiรฉ dโeffectuer des avancรฉes significatives dans le monde de la biologie. Nรฉanmoins, la comprรฉhension de certains phรฉnomรจnes biologiques passe par lโรฉtude des systรจmes ร une รฉchelle de plus en plus petite, grรขce ร la modรฉlisation thรฉorique. Ces outils de simulation apportent alors des rรฉponses complรฉmentaires au travail de lโexpรฉrimentateur.
Les molรฉcules biologiques en constante interaction au sein de lโorganisme rรฉgulent les mรฉcanismes de la vie. Lโรฉtude de ces modes dโinteraction est donc indispensable dans la comprรฉhension des processus biologiques. Nous sommes alors confrontรฉs ร un problรจme qui se situe au carrefour de la biologie, de la chimie et de la physique, qui ne peut รชtre traitรฉ quโร travers des outils de simulation : les lois de la physique sont appliquรฉes aux biomolรฉcules afin dโen รฉtudier les propriรฉtรฉs.
Depuis les premiers logiciels mis au point aux dรฉbuts des annรฉes 1980, le dรฉveloppement des moyens de calcul par ordinateur a permis lโanalyse et la comprรฉhension de systรจmes de plus en plus complexes. Mais le traitement des changements conformationnels subis par les macromolรฉcules en interaction reste une difficultรฉ importante dans ces logiciels de simulation. Prendre en compte ces dรฉformations alourdit รฉnormรฉment le problรจme, ce qui entraรฎne une augmentation significative du temps de calcul. Pour amรฉliorer cela, il est nรฉcessaire de faire un certain nombre dโapproximations, tout en gardant une prรฉcision convenable.
Recherche pharmaceutique
Concevoir de nouveaux mรฉdicaments, cโest trouver une molรฉcule qui agit sur une cible biologique, avec des effets secondaires maรฎtrisรฉs (24). Le mรฉdicament est dans la plupart des cas une molรฉcule organique, appelรฉe ligand, qui vient se lier ร une macromolรฉcule biologique (cible), impliquรฉe dans la pathologie, et agit sur cette derniรจre afin dโen moduler les effets. Les outils de simulation doivent donc permettre de dรฉcrire les interactions entre le ligand et la cible biologique, et permettre de tester rapidement plusieurs modes dโopรฉration afin de guider la recherche.
La conception de mรฉdicaments conduit ร deux axes de travail complรฉmentaires : l’un est basรฉ sur la connaissance prรฉalable du ligand, naturel ou exogรจne (18), l’autre sur lโidentification de la cible (19). La premiรจre approche est connue sous la dรฉnomination ยซ Ligand Based Design ยป (LBD), la seconde รฉtant ยซ Structure Based Design ยป (SBD ยป. Dans le premier cas, on part du ligand, sans avoir une connaissance prรฉcise de la structure de la molรฉcule cible. On cherche alors toutes les molรฉcules cibles susceptibles de rรฉagir avec ce ligand. Le second cas se base sur lโanalyse de la structure en trois dimensions de la cible. Celle-ci est dรฉterminรฉe par des techniques expรฉrimentales comme la cristallographie par diffraction des rayons X ou la rรฉsonance magnรฉtique nuclรฉaire (RMN). A partir de cette connaissance, il est alors possible dโanalyser les sites rรฉactionnels et de dรฉterminer le ligand qui possรจde les meilleures caractรฉristiques pour se lier ร la cible. Dans tous les cas, les outils de simulation jouent un rรดle important, et plus particuliรจrement les logiciels de docking (25). En effet, bien que l’intuition des chimistes soit souvent pertinente pour dรฉterminer des ligands potentiels, elle ne permet pas une prรฉdiction fine des ligands les mieux adaptรฉs. Il est donc utile de trouver de nouveaux moyens automatisรฉs et systรฉmatiques pour dรฉterminer ou adapter ces ligands potentiels, et comprendre les effets qu’ils induisent, tant d’un point de vue physique que chimique .
Nanobiotechnologies
Dans les nanobiotechnologies, lโobjectif est dโutiliser les connaissances acquises en biologie pour les appliquer sur des procรฉdรฉs et des instruments biochimiques nouveaux (26) ; ou encore, plus rรฉcemment, il sโagit de sโinspirer des propriรฉtรฉs des biomolรฉcules pour concevoir de nouveaux matรฉriaux .
Il est possible, par exemple, de concevoir des systรจmes dโanalyses biologiques multiples de la taille dโune puce รฉlectronique de quelques millimรจtres carrรฉs. Ces dispositifs appelรฉs laboratoire sur puce (lab-on-chip) sont lโobjet dโun effort de dรฉveloppement important et peuvent devenir des outils de diagnostic trรจs performants (29). La rรฉalisation de tels dispositifs nรฉcessite souvent le greffage dโune molรฉcule sur une surface. Il faut alors traiter des interactions entre molรฉcules biologiques et surfaces non-biologiques qui posent dโintรฉressants problรจmes scientifiques et technologiques, ร la frontiรจre entre le monde inorganique et le monde biologique. Lโutilisation dโoutils de simulation dโamarrage molรฉculaire est donc primordiale pour une bonne maรฎtrise de ces greffages et une analyse des modifications de rรฉactivitรฉ de la molรฉcule liรฉes ร la proximitรฉ de la surface.
Les biotechnologies utilisent les progrรจs de la connaissance en biologie pour lโappliquer ร des technologies nouvelles : les matรฉriaux bio-inspirรฉs sont un exemple dโutilisation des fonctions biologiques comme modรจle, afin de dรฉvelopper de nouveaux dispositifs (30). Un exemple est lโexploitation des propriรฉtรฉs structurales de lโADN pour fabriquer des boรฎtes nanomรฉtriques capables de retenir une protรฉine et de la relรขcher ร un endroit stratรฉgique, dans le but dโagir sur un virus .
Ce concept est nรฉ des deux idรฉes suivantes
– La connaissance de plus en plus prรฉcise des structures de biomolรฉcules telles que lโADN ou les protรฉines et de leurs propriรฉtรฉs physiques et chimiques permettent de les manipuler et les synthรฉtiser aisรฉment, et donc de les intรฉgrer pour enrichir les technologies que nous connaissons.
– Il existe un fossรฉ, en termes de taille, entre les dispositifs que lโon conรงoit actuellement : les technologies ne permettent pas de descendre en dessous de 100-200 nm, et les objets biologiques sont de lโordre de 2 ร 5 nm. Un moyen de faire le lien entre les deux est lโutilisation de macromolรฉcules.
|
Table des matiรจres
INTRODUCTION GENERALE
CHAPITRE I : MODELISATION ET SIMULATION AU SERVICE DE LA BIOLOGIE
Introduction
I-1. Contexte
I-1.1. Les enjeux
I-1.1.1. Recherche fondamentale
I-1.1.2. Pharmacologie
I-1.1.3. Nanobiotechnologies
I-1.2. Les biopolymรจres : une cible privilรฉgiรฉe
I-1.2.1. Les acides nuclรฉiques
I-1.2.2. Les Protรฉines
I-2. La nature des forces dโinteraction
I-2.1. Liaisons fortes
I-2.1.1. Liaison covalente
I-2.1.2 .Liaison ionique
I-2.2. Liaisons faibles
I-2.2.1. Interaction coulombienne
I-2.2.2. Forces de dispersion et de rรฉpulsion
1-2.2.3. Liaison hydrogรจne
I-2.2.4. Lโeffet hydrophobe
I-3. Modรฉlisation des systรจmes biologiques
I-3.1. Les modรจles quantiques
I-3.2. La mรฉcanique molรฉculaire
I-3.2.1. Champ de force
I-3.2.2. Optimisation de la structure
I-3.2.3. Le solvant
I-3.3. Modรจles dynamiques
I-3.3.1. Modรฉlisation par dynamique molรฉculaire
I-3.3.2. Simulation de type Monte-Carlo
I-3.4. Le problรจme de la flexibilitรฉ molรฉculaire
I-4. Comment prendre en compte la flexibilitรฉ molรฉculaire ?
I-4.1. Les mรฉthodes usuelles de simulation
I-4.1.1. Simulations dynamiques
I-4.1.2. Calcul des modes normaux
I-4.1.3. Autres mรฉthodes
I-4.1.4. Limitations
I-4.2. La flexibilitรฉ dans les logiciels de Docking
I-4.2.1. Verrous
I-4.2.2. Reprรฉsentation du systรจme
I-4.2.3. Les algorithmes de recherche
I-4.2.4. Les fonctions de scoring
I-5. Vers un traitement de la flexibilitรฉ relative aux interactions molรฉculaires
I-6. Conclusion
CHAPITRE 2 : METHODOLOGIE
INTRODUCTION
II-1. Recherche dโun mode dโintroduction des dรฉformations dans un calcul de docking
II-1.1. Les modes normaux
II-1.1.1. Origine
II-1.1.2. Les modes normaux dans une procรฉdure de docking
II-1.2. Les Modes Statiques
II-2. Le calcul des Modes Statiques
II-3. Validation de la mรฉthode
II-4. Avantages et limites de la mรฉthode
II-5. Les outils dรฉveloppรฉs ร partir des modes statiques
II-5.1. Description de la flexibilitรฉ molรฉculaire
II-5.1.1. Optimisation de la force
II-5.1.2. Modes de pincements
II-5.1.3. Grandeurs caractรฉristiques
II-5.2. Arrimage dโun ion mรฉtallique
II-6. Conclusion
CHAPITRE 3 : RESULTATS
Introduction
III-1. Prรฉsentation des peptides
III-1-1. Le peptide Amyloรฏde-ฮฒ
III-1.2. Le peptide modรจle GNNQQNY
III-2. Caractรฉrisation de la flexibilitรฉ
III-2.1. Cas du peptide modรจle GNNQQNY
III-2.1.1. Calculs sur les monomรจres
III-2.1.2. Calculs sur les dimรจres
I-2.2. Cas de lโamyloรฏde ฮฒ
III-2.3. Reprรฉsentation des zones flexibles des molรฉcules
III-2.3.1. Propagation de la dรฉformation
III-2.3.2. Comportement allostรฉrique
III-2.3.3. Relation interactions/oligomรฉrisation
III-2.5. Conclusion
III-3. Application au docking
III-3.1. Description des conformations utilisรฉes
III-3.2 Sonde รฉlectrostatique
III-3.2.1. Exploration de lโespace conformationnel de la structure Aฮฒ(1-16) en interaction avec un ion mรฉtallique
III-3.2.2. Repliement du peptide ร partir de la structure sans zinc
III-3. Conclusions
CONCLUSION GENERALE
ANNEXE