Présentation
EnglishRÉSUMÉ
Cet article est dédié à la présentation de différentes méthodes bioinformatiques visant à analyser et à prédire la structure des macromolécules biologiques, protéines et acides nucléiques. Il souligne l’importance de la structure 3D pour comprendre la fonction de ces macromolécules et l’apport des méthodes de prédiction de la structure à partir de la séquence. Il fournit des informations pour comprendre les principes des méthodes de bioinformatique structurale et des recommandations pour la mise en œuvre d’une démarche de prédiction. Une liste non exhaustive d’outils et de bases de données utiles est proposée, associée à une bibliographie récente.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Catherine ETCHEBEST : Professeur des universités - Responsable d’équipe INSERM Équipe DSIMB, UMR-S1134, Université Paris-Diderot, INSERM, INTS, Labex GR-Ex. Paris, France
INTRODUCTION
La bioinformatique est connue comme la discipline permettant d’exploiter, d’interpréter, d’annoter les données biologiques à l’aide d’algorithmes, c’est-à-dire de méthodes informatiques. Les données les plus fréquemment exploitées sont celles relatives aux séquences des génomes et des protéines. Néanmoins, si la connaissance de cette information est un prérequis pour caractériser une macromolécule biologique, elle ne suffit pas à comprendre la fonction qui lui est associée. Celle-ci dépend en effet de l’arrangement approprié dans l’espace des unités constitutives de ces macromolécules biologiques, par exemple nucléotides, acides aminés. Connaître, analyser la structure 3D des macromolécules se révèle donc une étape nécessaire pour mieux appréhender leur fonction et donc leurs possibles dysfonctionnements. Différentes techniques biophysiques permettent d’accéder à cette information structurale. Le dichroïsme circulaire par exemple peut fournir des indications sur la structuration du squelette polypeptidique des protéines, ou sur les formes adoptées par des séquences d’ADN. La cristallographie couplée à la diffraction des rayons X et la résonance magnétique nucléaire peuvent, quant à elles, renseigner sur la structure à une échelle atomique. L’exploitation de ces données, destinées à mettre en lumière des propriétés caractéristiques de macromolécules, requiert l’utilisation de méthodes informatiques regroupées sous le terme de « bioinformatique structurale » ou aussi « modélisation moléculaire ».
Grâce à l’analyse de l’information disponible sur les structures 3D des protéines, il a été possible de mettre en évidence des relations étroites entre séquence et structure, en particulier une conservation de la structure 3D pour des séquences similaires mais aussi pour des séquences très différentes en particulier celles qui dérivent d’un ancêtre commun (séquences homologues). Cette propriété peut ainsi être utilisée pour prédire la structure 3D d’une macromolécule à partir de sa séquence. Cela constitue un enjeu majeur pour les projets qui ont succédé aux projets de séquençage massif. Il s’agit des initiatives visant à mettre en place et à automatiser les procédures afin d’obtenir la structure 3D des protéines (Protein Structure Initiative). De même, l’impact des mutations en des positions très distantes le long de la séquence peut être mieux compris car la structure 3D peut regrouper dans l’espace ces positions. Connaître la structure permet aussi de mieux comprendre les interactions fines mises en jeu entre des partenaires qui dépendent de leur position relative. Il est ainsi possible de comprendre la spécificité de ligands et ainsi de l’améliorer, voire de potentiellement concevoir de nouvelles protéines (protein design) ou de nouveaux médicaments, enjeu majeur des prochaines décennies.
Enfin, une macromolécule biologique n’est pas un objet rigide, mais au contraire un objet capable de s’adapter à différents environnements, différents partenaires pour accomplir sa fonction. Cette adaptation qui s’effectue au cours du temps peut induire des changements conformationnels relativement limités ou au contraire de grande ampleur et sur des échelles de temps extrêmement différentes, de quelques picosecondes à plusieurs heures. Cette propriété, difficile à caractériser expérimentalement, s’avère accessible grâce à des algorithmes très performants dits de « dynamique moléculaire ».
Dans cet article seront détaillées les caractéristiques des structures 3D de différentes macromolécules biologiques, en particulier les protéines, les principes des méthodes expérimentales fournissant des informations tridimensionnelles, mais aussi les approches bioinformatiques permettant la prédiction de la structure à partir de sa séquence. Enfin, au-delà de la structure sera décrite cette propriété cruciale des macromolécules biologiques à savoir leur dynamique. Seront soulignés les atouts mais aussi les limites de ces différentes approches, ainsi que quelques applications emblématiques dans le domaine. En résumé, cet article renseignera sur le nouveau paradigme, qui relie séquence-structure-dynamique et fonction, et sur les méthodes de bioinformatique structurale et de modélisation moléculaire capables de contribuer à l’élucidation de ces relations.
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Procédés chimie - bio - agro > Bioprocédés et bioproductions > Analyse, biocapteurs et technologies omiques > Bioinformatique structurale - Bases de données et méthodes de prédiction > Prédiction bioinformatique de la structure des ARN
Cet article fait partie de l’offre
Technologies pour la santé
(131 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
4. Prédiction bioinformatique de la structure des ARN
Cette section mériterait à elle seule un article complet, tant l’importance et donc l’intérêt pour les séquences ARN ne cessent de croître, en particulier pour les séquences non codantes qui peuvent être structurées ou non. Ne seront donc évoquées ici que quelques notions introductives permettant au lecteur d’aborder une littérature plus spécialisée.
En dépit des différences existant entre protéines et ARN, les procédures de prédiction suivent une démarche assez similaire, à savoir prédiction de la structure secondaire puis structure tertiaire. Contrairement aux protéines, cette procédure s’avère plus en accord avec le processus de repliement hiérarchique tertiaire des ARN que celui des protéines qui, lui, l’est rarement. La structure secondaire de l’ARN résulte donc de l’empilement thermodynamiquement favorable de paires de bases. Cet empilement favorable conduit à des structures hélicoïdales séparées par des régions en boucles en général thermodynamiquement moins favorables. La structure tertiaire s’établit sur la base de ces structures, par la formation éventuelle de pseudo-nœuds, de triplets de bases et/ou des empilements d’hélices et comme pour les protéines, elle est associée à un minimum d’énergie libre.
L’étape préalable consiste donc à prédire les structures secondaires en s’appuyant sur ce concept thermodynamique : l’énergie libre d’une structure donnée A est définie par la somme des contributions d’énergie libre de tous les éléments structuraux, c’est-à-dire bases empilées et boucles [équation (2)]. Un modèle basé sur les plus proches voisins s’avère en général suffisant et des jeux de paramètres ont été développés pour évaluer ces différentes contributions :
Cet article fait partie de l’offre
Technologies pour la santé
(131 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Prédiction bioinformatique de la structure des ARN
BIBLIOGRAPHIE
-
(1) - NARAYANAN (B.C.), WESTBROOK (J.), GHOSH (S.), PETROV (A.I), SWEENEY (B.), ZIRBEL (C.L.) et al - The nucleic acid database : new features and capabilities. - Nucleic Acids Res. gkt980. doi:10.1093/nar/gkt980 (2013).
-
(2) - PETTERSEN (E.F.), GODDARD (T.D.), HUANG (C.C.), COUCH (G.S.), GREENBLATT (D.M.), MENG (E.C.) et al - UCSF Chimera – A visualization system for exploratory research and analysis. - J. Comput. Chem., 25, p. 1605-1612 doi:10.1002/jcc.20084 (2004).
-
(3) - PAULING (L.), COREY (R.B), BRANSON (H.R.) - The structure of proteins : two hydrogen-bonded helical configurations of the polypeptide chain. - Proc. Natl. Acad. Sci., États-Unis, 37, p. 205 (1951).
-
(4) - PAULING (L.), COREY (R.B.) - Configurations of polypeptide chains with favored orientations around single bonds : two new pleated sheets. - Proc. Natl. Acad. Sci., États-Unis, 37, p. 729 (1951).
-
(5) - RAMACHANDRAN (G.N.), RAMAKRISHNAN (C.T.), SASISEKHARAN (V.) - Stereochemistry of polypeptide chain configurations. - J. Mol. Biol.,...
ANNEXES
Un site regroupe un très grand nombre d’informations sur les outils disponibles : http://omictoolsom/biomolecular-structure-c1312-p1tml
1. Outils de visualisation graphique associés à de multiples fonctions d’exploration structurales
Chimera : https://www.cgl.ucsf.edu/chimera/
Pymol : https://www.pymol.org/
Rasmol : http://www.openrasmol.org/
VMD : http://www.ks.uiuc.edu/Research/vmd/
Yasara : http://www.yasara.org/
2. Prédiction de structures 3D de protéines
(PS)2 :
Modélisation par homologie http://ps2v3.life.nctu.edu.tw
3D-JIGSAW :
Modélisation par homologie http://bmm.crick.ac.uk/~3djigsaw/
3D-Jury :
Modélisation par homologie, reconnaissance du repliement http://bip.weizmann.ac.il/toolbox/structure/3d.htm
CPHModels :
Modélisation par homologie http://www.cbs.dtu.dk/services/CPHmodels/
ESyPred3D :
Modélisation par homologie http://www.unamur.be/sciences/biologie/urbm/bioinfo/esypred/
FAMS :
Modélisation par homologie http://www.pharm.kitasato-u.ac.jp/fams
FFAS :
Attribution de repliement et de fonction http://ffas.sanfordburnham.org/ffas-cgi/cgi/ffas.pl
FUGUE :
Modélisation...
Cet article fait partie de l’offre
Technologies pour la santé
(131 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive