Application de I TASSER, trRosetta, UCSF Chimera, HADDOCK server et HEX loria pour la conception de novo et in silico de protéines
8 juillet 2025
La conception de protéines implique la construction de séquences d’acides aminés et l’incorporation de motifs spécifiques pour créer des variantes fonctionnelles. Cette approche est essentielle pour le développement de peptides antimicrobiens (AMP) pour lutter contre les agents pathogènes résistants aux antibiotiques. Cet article présente une procédure de construction de protéines à l’aide de divers outils bioinformatiques.
Cette recherche vise à générer des modèles structurels de protéines ayant des fonctions antimicrobiennes. Ces modèles sont utilisés pour effectuer des analyses spécifiques qui permettent de déterminer l’utilité de chaque protéine comme traitement avant les tests in vitro. Actuellement, la recherche dans ce domaine s’appuie sur des méthodes in silico pour la validation des protéines de conception. Cependant, ils n’ont pas établi d’outils spécialement conçus pour appuyer cette partie d’un processus. Nos recherches futures porteront sur l’inférence des réseaux biologiques et l’interaction du microbiote entre l’hôte et l’environnement sur des réseaux multicouches. Ce travail sera soutenu par les bioréseaux ML et notre package développé par des collègues du laboratoire.
[Narrateur] Pour commencer, visitez le serveur I-TASSER pour la prédiction de la structure et de la fonction des protéines. Soumettez la cible moléculaire ou la séquence de conception sous forme de fichier au format FATA, de fichier texte ou en la collant directement dans le champ de saisie. Attribuez un nom unique à la séquence et cliquez sur exécuter I-TASSER pour permettre au programme d’analyser la séquence. Pour prédire la structure 3D à l’aide de trRosetta, accédez au serveur trRosetta. Entrez la séquence réceptrice cible sous la forme d’un fichier au format FASTA, d’un fichier texte, d’un fichier au format MSA, ou collez-la directement dans le champ de saisie du serveur. Après vous être inscrit à l’aide d’un e-mail institutionnel, attribuez un nom à la protéine prédite structurellement. Assurez-vous que l’option d’exclusion des modèles est sélectionnée et choisissez exécuter trRosettaX-Single pour exclure l’utilisation de séquences et de modèles homologues. Cliquez sur Soumettre pour lancer le processus de prédiction de la structure des protéines. Dans le résultat de la prédiction, vérifiez que le score TM est une mesure de la qualité du modèle. Examinez ensuite les cartes de contact, les cartes de distance par acide aminé et les cartes de rotation pour les carbones alpha et bêta aux angles oméga, thêta et phi. Ouvrez un navigateur Web et accédez au serveur Web HADDOCK. Cliquez sur soumettre une nouvelle tâche, puis entrez le nom d’une tâche et le nombre de molécules. Téléchargez les structures PDB des molécules pour l’amarrage. Laissez les paramètres par défaut inchangés et cliquez sur Suivant. Entrez les résidus d’acides aminés actifs et passifs pour la molécule un et la molécule deux, puis cliquez sur suivant. Dans la section des paramètres d’amarrage, laissez inchangés les paramètres par défaut de tous les paramètres, tels que les contraintes de distance, les paramètres d’échantillonnage, les paramètres de clustering, etc., et cliquez sur soumettre pour démarrer le processus d’amarrage. Ouvrez la page des résultats et examinez les résultats de la station d’accueil. Après avoir téléchargé le fichier d’amarrage du récepteur de ligand, ouvrez un logiciel de visualisation structurelle tel que UCSF Chimera ou PyMOL. Téléchargez le fichier d’ancrage et visualisez le modèle de structure. Le modèle trRosetta de l’antiporteur sodium-hydrogène a révélé une structure tertiaire hautement ordonnée composée principalement d’hélices alpha formant un faisceau transmembranaire serré. Cela suggère le rôle fonctionnel de la protéine en tant que transporteur d’ions intégré à la membrane. La fiabilité du modèle est soutenue par des valeurs de test de différence locale élevées supérieures à 80 % dans la région centrale, avec une confiance réduite aux deux extrémités indiquant une flexibilité possible. Les cartes de contact et de distance confirment un pliage stable avec des motifs diagonaux et groupés cohérents. L’amarrage moléculaire du peptide antifongique conçu dans le domaine extracellulaire du récepteur permet d’obtenir un complexe stable, comme en témoigne un score HADDOCK favorable de -73 et un faible écart quadratique moyen de 0,7 angström. Les distances mesurées confirment les contacts étroits entre des acides aminés spécifiques, les plus courts étant observés entre la tyrosine 407 et la cystéine 13.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Cette étude porte sur l'élaboration de modèles structuraux de protéines ayant des fonctions antimicrobiennes à l'aide d'outils de bio-informatique. Les modèles obtenus sont analysés afin d'évaluer leur potentiel thérapeutique contre les pathogènes résistants aux antibiotiques, avant de passer à des tests in vitro.
Composantes clés de l'étude
Domaine de recherche
- Conception de protéines antimicrobiennes
- Prédiction de la structure des protéines
- Applications en bioinformatique
Contexte
- Préoccupation croissante liée à la résistance aux antibiotiques
- Nécessité de nouvelles options thérapeutiques
- Dépendance aux méthodes in silico pour la validation des protéines
Méthodes utilisées
- Prédiction de la structure et de la fonction des protéines à l'aide d'I-TASSER et de trRosetta
- Simulations de docking protéique utilisant HADDOCK
- Visualisation moléculaire avec UCSF Chimera ou PyMOL
Résultats principaux
- Développé une structure tertiaire hautement ordonnée de l'antiporteur sodium-hydrogène
- Démontré un ancrage moléculaire stable de peptides antifongiques conçus
- Atteint des scores d'ancrage favorables soutenant la fonctionnalité des protéines
Conclusions
- La présente étude illustre des méthodes efficaces pour concevoir des protéines antimicrobiennes par des approches informatiques.
- Les résultats soulignent l'importance de la modélisation avancée des protéines dans la lutte contre la résistance aux antibiotiques en recherche biologique.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
La modélisation et la liaison rapides de protéines par voie informatique transforment la découverte précoce d'agents antimicrobiens en permettant une évaluation prédictive de variants protéiques avant leur synthèse en laboratoire. Cette approche accélère l'identification de candidats présentant un fort potentiel fonctionnel, répondant directement au besoin urgent de nouveaux thérapeutiques contre les agents pathogènes résistants. L'intégration de ces outils informatiques dans le processus de découverte améliore le tri des portefeuilles et réduit les risques biologiques avant les travaux in vitro, qui sont coûteux en ressources.
Applications stratégiques en recherche et développement biopharmaceutique
Début de la découverte et validation de la cible
- Permet une conception fondée sur des hypothèses et la validation structurale de nouvelles protéines antimicrobiennes.
- Facilite la réduction des risques mécanistiques en prédisant les interactions de liaison et les motifs fonctionnels.
- Permet un tri rapide des séquences candidates en fonction de la qualité structurale prédite et des résultats d'ancrage moléculaire.
Tests et développement de dosages
- Prépare des modèles de protéines validés pour des tests fonctionnels ultérieurs et le criblage de composés.
- Normalise les structures d'entrée pour des études de docking et d'interactions reproductibles.
- Génère des données quantitatives telles que les scores TM et les métriques de docking afin d'évaluer la préparation au criblage.
Recherche translationnelle et préclinique
- Aligne les prédictions computationnelles avec des cibles pertinentes pour la maladie afin d'assurer une continuité translationnelle.
- Fournit des informations structurales permettant d'orienter le choix des modèles précliniques et une progression adaptée aux risques.
- Facilite la conception de PAM synthétiques ayant un potentiel de développement thérapeutique rapide.
Intégration des pipelines et des flux de travail
Ces méthodes computationnelles s'intègrent à l'interface entre la phase initiale de découverte et l'identification de composés candidats, fournissant une base pour la validation expérimentale ultérieure et l'évaluation préclinique.
- Biologie de la découverte : Permet des tests d'hypothèses rigoureux et la clarification de voies grâce à la modélisation prédictive et au dockage moléculaire.
- Criblage : Fournit des données reproductibles sur la structure et les interactions, quantitatives, pour soutenir le développement de tests biologiques.
- Analytique : Propose des scores TM, des cartes de contacts et des paramètres de dockage pour l'analyse comparative de protéines candidates.
- Recherche translationnelle : Établit un lien entre les prédictions in silico et l'évaluation préclinique de l'efficacité antimicrobienne.
- Réutilisation en entreprise : Met en place un flux de travail évolutif et réutilisable pour la conception et la validation de protéines sur plusieurs cibles.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive et réduit l'ambiguïté mécanistique dans la fonction des protéines.
- Valeur opérationnelle : Normalise et accélère les flux de travail de conception, de modélisation et de docking des protéines.
- Valeur stratégique : Améliore les décisions de poursuite ou d'abandon et l'allocation des capitaux en privilégiant les candidats à haute confiance.
- Impact sur le portefeuille : Permet une priorisation et un développement ajustés au risque des candidats protéiques antimicrobiens.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en bio-informatique, en biologie structurale et en modélisation computationnelle.
- Suppose l'accès à des serveurs validés (I-TASSER, trRosetta, HADDOCK) et à des outils de visualisation (UCSF Chimera, PyMOL).
- Exige une standardisation inter-équipes des formats d'entrée et des critères d'analyse.
- Peut nécessiter des adaptations selon les classes de protéines ou les systèmes cibles.
- La confiance accordée au modèle varie selon les régions, avec une fiabilité réduite au niveau des extrémités flexibles, comme l'indiquent les valeurs du test de différence locale.
