La caractérisation à haut débit des interactions protéines-protéines a permis d'établir les premières cartes d'interactions de différents organismes modèles, y compris l'homme. Cependant, la caractérisation structurale des assemblages protéiques reste limitée à un nombre très faible de ces interactions. En mettant en évidence une pression de sélection évolutive spécifique aux interfaces de complexes protéiques, ce travail a permis d'élucider certains mécanismes évolutifs essentiels à l'association entre protéines qui n'avaient pas été décrits jusqu'à présent. Sur cette base, une nouvelle approche bioinformatique, nommée SCOTCH (Surface COmplementarity Trace in Complex History), a été développée pour prédire la structure des assemblages macromoléculaires. Couplée à un programme d'amarrage moléculaire, tel que SCOTCHer, également développé au cours de cette thèse, cette approche a permis de prédire efficacement la structure d'un grand nombre de complexes. Ce travail de thèse s'est également concentré sur l'inhibition des interactions protéiques par des mini-protéines, conçues de façon rationnelle sur la base des structures de complexes. Les résultats obtenus pour deux exemples, celui du complexe Asf1 – Histone H3/H4 et du complexe gp120 – CD4 témoignent du fort potentiel du design rationnel d'interfaces de complexes pour le développement de nouvelles stratégies thérapeutiques.

The goal of the thesis is to create a predictor of the effect of a mutation on protein solubility given its initial 3D structure. Protein solubility prediction is a bioinformatics problem which is still considered unsolved. Especially a prediction using a 3D structure has not gained much attention yet. A relevant knowledge about proteins, protein solubility and existing predictors is included in the text. The principle of the designed predictor is inspired by the Surface Patches article and therefore it also aims to validate the results achieved by its authors. The designed tool uses changes of positive regions of the electric potential above the protein's surface to make a prediction. The tool has been successfully implemented and series of computationally expensive experiments have been performed. It was shown that the electric potential, hence the predictor itself too, can be successfully used just for a limited set of proteins. On top of that, the method used in the article correlates with a much simpler variable - the protein's net charge.