Soutenance mémoire
L’expérience et la théorie ont permis de comprendre et d’expliquer une grande partie des processus biologiques sur lesquels se fondent les mécanismes du vivant. La combinaison des deux a toujours permis d’apporter les meilleures interprétations. Les fondements de ces mécanismes sont liés à la réactivité intermoléculaire, mais du point de vue de l’analyse prédictive, compte tenu de leur complexité, il reste encore impossible de prédire l’évolution de tels processus.
Or, durant ces dernières décennies, la croissance des ressources informatiques et des capacités de calcul qui en résultent, ont permis d’envisager le développement d’outils de simulation de plus en plus performants. Ils permettent de traiter des macromolécules d’intérêt biologique et sont des moyens prédictifs puissants dans de nombreux domaines : de la conception de médicaments aux biotechnologies, ces outils se rendent très utiles (21) (22).Nous allons nous intéresser ici en particulier à la prédiction de la formation de complexes composés de deux molécules ou processus de « docking ». Après avoir décrit comment sont traitées aujourd’hui les interactions pour de tels systèmes dans les modèles de simulation, nous évoquerons leurs limites et l’importance de prendre en compte la flexibilité des molécules en biologie.
Contexte
Le développement de la biologie moléculaire, ainsi que de la biologie structurale, depuis le milieu du siècle dernier a permis de comprendre, par la voie de l’expérience et de l’analyse, les processus biologiques à une échelle de plus en plus petite (23). Les outils de simulation permettent depuis le début des années 1980 d’étudier ces processus sous la forme d’interactions entre biomolécules jusqu’à l’échelle atomique. Grâce à ces avancées scientifiques et techniques, de nombreuses perspectives industrielles ont vu le jour, notamment dans le domaine de la médecine. Dans cette partie, nous allons présenter, du point de vue de la modélisation, l’état de l’art et les chemins d’étude de ces processus biologiques, de plus en plus approfondis.
Les enjeux
La modélisation des fonctions biologiques des molécules nécessite une analyse à des échelles de l’ordre de l’atome, ce qui a donné lieu au développement d’outils de simulation. Leur capacité à expliquer et à prédire leur confère un rôle important dans les domaines de la recherche ou des applications liées à la biologie moléculaire, tels que la conception de médicaments, le développement des biotechnologies et depuis quelques années la création de matériaux artificiels nouveaux, dans le cadre du développement des nanosciences : les matériaux bio-inspirés.
Recherche fondamentale
La modélisation des molécules biologiques tient un rôle primordial dans le domaine de la recherche fondamentale. Elle vient compléter les observations issues de l’expérience, qui, historiquement, a toujours été le moyen privilégié d’effectuer des avancées significatives dans le monde de la biologie. Néanmoins, la compréhension de certains phénomènes biologiques passe par l’étude des systèmes à une échelle de plus en plus petite, grâce à la modélisation théorique. Ces outils de simulation apportent alors des réponses complémentaires au travail de l’expérimentateur.
Les molécules biologiques en constante interaction au sein de l’organisme régulent les mécanismes de la vie. L’étude de ces modes d’interaction est donc indispensable dans la compréhension des processus biologiques. Nous sommes alors confrontés à un problème qui se situe au carrefour de la biologie, de la chimie et de la physique, qui ne peut être traité qu’à travers des outils de simulation : les lois de la physique sont appliquées aux biomolécules afin d’en étudier les propriétés.
Depuis les premiers logiciels mis au point aux débuts des années 1980, le développement des moyens de calcul par ordinateur a permis l’analyse et la compréhension de systèmes de plus en plus complexes. Mais le traitement des changements conformationnels subis par les macromolécules en interaction reste une difficulté importante dans ces logiciels de simulation. Prendre en compte ces déformations alourdit énormément le problème, ce qui entraîne une augmentation significative du temps de calcul. Pour améliorer cela, il est nécessaire de faire un certain nombre d’approximations, tout en gardant une précision convenable.
Recherche pharmaceutique
Concevoir de nouveaux médicaments, c’est trouver une molécule qui agit sur une cible biologique, avec des effets secondaires maîtrisés (24). Le médicament est dans la plupart des cas une molécule organique, appelée ligand, qui vient se lier à une macromolécule biologique (cible), impliquée dans la pathologie, et agit sur cette dernière afin d’en moduler les effets. Les outils de simulation doivent donc permettre de décrire les interactions entre le ligand et la cible biologique, et permettre de tester rapidement plusieurs modes d’opération afin de guider la recherche.
La conception de médicaments conduit à deux axes de travail complémentaires : l’un est basé sur la connaissance préalable du ligand, naturel ou exogène (18), l’autre sur l’identification de la cible (19). La première approche est connue sous la dénomination « Ligand Based Design » (LBD), la seconde étant « Structure Based Design » (SBD ». Dans le premier cas, on part du ligand, sans avoir une connaissance précise de la structure de la molécule cible. On cherche alors toutes les molécules cibles susceptibles de réagir avec ce ligand. Le second cas se base sur l’analyse de la structure en trois dimensions de la cible. Celle-ci est déterminée par des techniques expérimentales comme la cristallographie par diffraction des rayons X ou la résonance magnétique nucléaire (RMN). A partir de cette connaissance, il est alors possible d’analyser les sites réactionnels et de déterminer le ligand qui possède les meilleures caractéristiques pour se lier à la cible. Dans tous les cas, les outils de simulation jouent un rôle important, et plus particulièrement les logiciels de docking (25). En effet, bien que l’intuition des chimistes soit souvent pertinente pour déterminer des ligands potentiels, elle ne permet pas une prédiction fine des ligands les mieux adaptés. Il est donc utile de trouver de nouveaux moyens automatisés et systématiques pour déterminer 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, l’objectif est d’utiliser les connaissances acquises en biologie pour les appliquer sur des procédés et des instruments biochimiques nouveaux (26) ; ou encore, plus récemment, il s’agit de s’inspirer des propriétés des biomolécules pour concevoir de nouveaux matériaux .
Il est possible, par exemple, de concevoir des systèmes d’analyses biologiques multiples de la taille d’une puce électronique de quelques millimètres carrés. Ces dispositifs appelés laboratoire sur puce (lab-on-chip) sont l’objet d’un effort de développement important et peuvent devenir des outils de diagnostic très performants (29). La réalisation de tels dispositifs nécessite souvent le greffage d’une molécule sur une surface. Il faut alors traiter des interactions entre molécules biologiques et surfaces non-biologiques qui posent d’intéressants problèmes scientifiques et technologiques, à la frontière entre le monde inorganique et le monde biologique. L’utilisation d’outils de simulation d’amarrage moléculaire est donc primordiale pour une bonne maîtrise de ces greffages et une analyse des modifications de réactivité de la molécule liées à la proximité de la surface.
Les biotechnologies utilisent les progrès de la connaissance en biologie pour l’appliquer à des technologies nouvelles : les matériaux bio-inspirés sont un exemple d’utilisation des fonctions biologiques comme modèle, afin de développer de nouveaux dispositifs (30). Un exemple est l’exploitation des propriétés structurales de l’ADN pour fabriquer des boîtes nanométriques capables de retenir une protéine et de la relâcher à un endroit stratégique, dans le but d’agir sur un virus .
Ce concept est né des deux idées suivantes
– La connaissance de plus en plus précise des structures de biomolécules telles que l’ADN ou les protéines et de leurs propriétés physiques et chimiques permettent de les manipuler et les synthétiser aisément, et donc de les intégrer pour enrichir les technologies que nous connaissons.
– Il existe un fossé, en termes de taille, entre les dispositifs que l’on conçoit actuellement : les technologies ne permettent pas de descendre en dessous de 100-200 nm, et les objets biologiques sont de l’ordre de 2 à 5 nm. Un moyen de faire le lien entre les deux est l’utilisation de macromolécules.
|
Table des matières
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 biopolymères : une cible privilégiée
I-1.2.1. Les acides nucléiques
I-1.2.2. Les Protéines
I-2. La nature des forces d’interaction
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 répulsion
1-2.2.3. Liaison hydrogène
I-2.2.4. L’effet hydrophobe
I-3. Modélisation des systèmes biologiques
I-3.1. Les modèles quantiques
I-3.2. La mécanique moléculaire
I-3.2.1. Champ de force
I-3.2.2. Optimisation de la structure
I-3.2.3. Le solvant
I-3.3. Modèles dynamiques
I-3.3.1. Modélisation par dynamique moléculaire
I-3.3.2. Simulation de type Monte-Carlo
I-3.4. Le problème de la flexibilité moléculaire
I-4. Comment prendre en compte la flexibilité moléculaire ?
I-4.1. Les méthodes usuelles de simulation
I-4.1.1. Simulations dynamiques
I-4.1.2. Calcul des modes normaux
I-4.1.3. Autres méthodes
I-4.1.4. Limitations
I-4.2. La flexibilité dans les logiciels de Docking
I-4.2.1. Verrous
I-4.2.2. Représentation du système
I-4.2.3. Les algorithmes de recherche
I-4.2.4. Les fonctions de scoring
I-5. Vers un traitement de la flexibilité relative aux interactions moléculaires
I-6. Conclusion
CHAPITRE 2 : METHODOLOGIE
INTRODUCTION
II-1. Recherche d’un mode d’introduction des déformations 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 procédure de docking
II-1.2. Les Modes Statiques
II-2. Le calcul des Modes Statiques
II-3. Validation de la méthode
II-4. Avantages et limites de la méthode
II-5. Les outils développés à partir des modes statiques
II-5.1. Description de la flexibilité moléculaire
II-5.1.1. Optimisation de la force
II-5.1.2. Modes de pincements
II-5.1.3. Grandeurs caractéristiques
II-5.2. Arrimage d’un ion métallique
II-6. Conclusion
CHAPITRE 3 : RESULTATS
Introduction
III-1. Présentation des peptides
III-1-1. Le peptide Amyloïde-β
III-1.2. Le peptide modèle GNNQQNY
III-2. Caractérisation de la flexibilité
III-2.1. Cas du peptide modèle GNNQQNY
III-2.1.1. Calculs sur les monomères
III-2.1.2. Calculs sur les dimères
I-2.2. Cas de l’amyloïde β
III-2.3. Représentation des zones flexibles des molécules
III-2.3.1. Propagation de la déformation
III-2.3.2. Comportement allostérique
III-2.3.3. Relation interactions/oligomérisation
III-2.5. Conclusion
III-3. Application au docking
III-3.1. Description des conformations utilisées
III-3.2 Sonde électrostatique
III-3.2.1. Exploration de l’espace conformationnel de la structure Aβ(1-16) en interaction avec un ion métallique
III-3.2.2. Repliement du peptide à partir de la structure sans zinc
III-3. Conclusions
CONCLUSION GENERALE
ANNEXE
