Three-dimensional (3D) structure of a protein is essential as the guidance of structure-based drug dis-covery. To achieve robust homology modeling with atomic-level accuracy, reliable loop predictions are required. Here, a novel hierarchical protocol of Protein Local Optimization Program (PLOP) is designed to produce sub-2 angstrom predictions on loop regions in homology modeling. Dramatic improvements in both speed and accuracy have been realized with implementation of special-designed clustering and adaptive loop closure algorithm. Four prediction rounds are designed for homology modeling as the high-level protocol of PLOP, which allows latter rounds employ the educated guess of backbone atom positions and hydrogen bonding information inherited from the previous rounds, contributing to additional prediction accuracy. The success of PLOP has been demonstrated with four different data sets, mainly concen-trating on homology modeling of H3 loops of antibodies. GPU-accelerated sampling algorithm and deep learning models are implemented, which are able to produce promising predictions as input templates for PLOP in the context of homology modeling.

The automated protein structure analysis (APSA) has been developed that describes protein structure via its backbone in a novel way. APSA generates a smooth line for the backbone which is completely described using curvature κ and torsion τ as a function of arc lengths. Diagrams of κ(s) and τ(s) reveal conformational features as typical patterns. In this way ideal and natural helices (α, 310 and π) and β-strands (left and right-handed, parallel and antiparallel) can be rapidly distinguished, their distortions classified, and a detailed picture of secondary structure developed. Such foundations make it possible to qualitatively and quantitatively compare domain structure utilizing calculated κ(s) and τ(s) patterns of proteins. Focusing on the torsion diagrams alone, 16 regions of τ(s) values that correspond to unique groups of conformations have been identified and encoded into 16 letters. The entire protein backbone is described, effectively projecting its three-dimensional (3D) conformation into a one-dimensional (1D) string of letters called the primary code (3D-ID projection), which is APSA's conformational equivalent of a protein's primary structure. The secondary structure is obtained from specific patterns of the primary code (resulting in secondary code). The letter code is used to describe supersecondary structure, which involves a unique characterization of the tum. It contains sufficient information to reconstruct the overall shape of a protein in an unambiguous 1D→3D translation step. Therefore, it is possible to classify supersecondary structure with the help of the letter code in form of a novel labeling system (F.#.M.X.O.L.N.R.U.S) that collects information on the relative orientations of tum and flanking structures (helices, strands). The overall shape of supersecondary structure is obtained by partitioning the surrounding space into octants and cones and assigning the parts of a supersecondary structure to these sub spaces via its labels. This approach can be easily extended to tertiary structure.

Cette thèse de doctorat s’inscrit dans le cadre de l’étude in silico des relations qui lient la séquence d’une protéine à sa structure, sa stabilité et sa fonction. Elle a pour objectif de permettre à terme la conception rationnelle de protéines modifiées qui restent actives dans des conditions physico chimiques non physiologiques. Nous nous sommes plus particulièrement penchés sur la stabilité thermique des protéines, qui est définie par leur température de fusion Tm au delà de laquelle leur structure n’est thermodynamiquement plus stable. Notre travail s’articule en trois grandes parties :la recherche de facteurs favorisant la thermostabilité des protéines parmi des familles de protéines homologues, la mise sur pied d’une base de données de protéines de structure et de Tm déterminées expérimentalement, de laquelle sont dérivés des potentiels statistiques dépendant de la température, et enfin la mise au point de deux outils bioinformatiques visant à prédire d’une part la Tm d’une protéine à partir de la Tm de protéines homologues et d’autre part les changements de thermostabilité d’une protéine (Tm) engendrés par l’introduction d’une mutation ponctuelle.<p><p>La première partie a pour objectif l’identification des facteurs de séquence et de structure (e.g. fréquence de ponts salins, d’interactions cation-{pi}) responsables des différentes stabilités thermiques de protéines homologues au sein de huit familles (chapitre 2). La spécificité de chaque famille ne nous a pas permis de généraliser l’impact de ces différents facteurs sur la stabilité thermique des protéines. Cependant, cette approche nous a permis de constater la multitude de stratégies différentes suivies par les protéines pour atteindre une plus grande thermostabilité.<p><p>La deuxième partie concerne le développement d’une approche originale pour évaluer l’influence de la température sur la contribution de différents types d’interactions à l’énergie libre de repliement des protéines (chapitres 3 et 4). Cette approche repose sur la dérivation de potentiels statistiques à partir d’ensembles de protéines de thermostabilité moyenne distincte. Nous avons d’une part collecté le plus grand nombre possible de protéines de structure et de Tm déterminées expérimentalement, et d’autre part développé des potentiels tenant compte de l’adaptation des protéines aux températures extrêmes au cours de leur évolution. Cette méthode originale a mis en évidence la dépendance en la température d’interactions protéiques tels les ponts salins, les interactions cation-{pi}, certains empilements hydrophobes .Elle nous a en outre permis de mettre le doigt sur l’importance de considérer la dépendance en la température non seulement des interactions attractives mais également des interactions répulsives, ainsi que sur l’importance de décrire la résistance thermique par la Tm plutôt que la Tenv, température de l’environnement de l’organisme dont elle provient (chapitre 5).<p><p>La dernière partie de cette thèse concerne l’utilisation des profils énergétiques dans un but prédictif. Tout d’abord, nous avons développé un logiciel bioinformatique pour prédire la thermostabilité d’une protéine sur la base de la thermostabilité de protéines homologues. Cet outil s’est avéré prometteur après l’avoir testé sur huit familles de protéines homologues. Nous avons également développé un deuxième outil bioinformatique pour prédire les changements de thermostabilité d’une protéine engendrés par l’introduction d’une mutation ponctuelle, en s’inspirant d’un logiciel de prédiction des changements de stabilité thermodynamique des protéines développé au sein de notre équipe de recherche. Ce deuxième algorithme de prédiction repose sur le développement d’une grande base de données de mutants caractérisés expérimentalement, d’une combinaison linéaire de potentiels pour évaluer la Tm, et d’un réseau de neurones pour identifier les coefficients de la combinaison. Les prédictions générées par notre logiciel ont été comparées à celles obtenues via la corrélation qui existe entre stabilités thermique et thermodynamique, et se sont avérées plus fiables.<p><p>Les travaux décrits dans notre thèse, et en particulier le développement de potentiels statistiques dépendant de la température, constituent une nouvelle approche très prometteuse pour comprendre et prédire la thermostabilité des protéines. En outre, nos travaux de recherche ont permis de développer une méthodologie qui pourra être adaptée à l’étude et à la prédiction d’autres propriétés physico chimiques des protéines comme leur solubilité, leur stabilité vis à vis de l’acidité, de la pression, de la salinité .lorsque suffisamment de données expérimentales seront disponibles.<p> / Doctorat en Sciences agronomiques et ingénierie biologique / info:eu-repo/semantics/nonPublished