login
english version rss feed
Detailed view PhD thesis
Université Libre de Bruxelles (21/06/2002), Prof. Shoshana Wodak (Dir.)
Attached file list to this document: 
PDF
these-texteComplet.pdf(1.1 MB)
Création et analyse de Pescador, une base de données de peptides en solution et analyse de motifs structuraux de protéines et de leurs caractéristiques expérimentales.
Anne Pajon1

Ces dernières années, les expériences de Résonance Magnétique Nucléaire et de Dichroïsme Circulaire ont permis d'élargir les connaissances sur l'importance d'un certain nombre de paramètres, en particulier la séquence en acides aminés, sur la conformation des peptides en solution. Afin de rendre possible l'analyse de ces données, nous avons développé la base de données Pescador 'PEptides in Solution ConformAtion Database: Online Resource'. Pescador contient les données de RMN et de Dichroïsme Circulaire sur des peptides en solution, ainsi que des paramètres structuraux dérivés de ces données expérimentales. Un système de collecte des données par l'intermédiaire d'une interface web a été réalisé, ainsi qu'un accès aux données stockées (http://www.ucmb.ulb.ac.be/Pescador/). Pour illustrer l'intérêt d'une telle base de données dans l'analyse des conformations des peptides, nous avons analysé les déplacements chimiques des protons alpha stockés dans Pescador, obtenus par RMN pour différents peptides, et provenant de différents laboratoires. À partir de cette analyse, nous proposons de nouvelles valeurs de déplacements chimiques pour les conformations non-structurées, valeurs de référence pour l'étude de la conformation de peptides en solution. Tout d'abord, nous avons montré que ces valeurs sont similaires à celles obtenues expérimentalement sur des peptides modèles, et que leur variation en fonction de la concentration de trifluoroéthanol est similaire à celle reportée dans la littérature. Nous avons également pu montrer que les valeurs des déplacements chimiques peuvent être utilisées pour dériver des facteurs de correction prenant en compte l'effet des résidus voisins. Ces facteurs sont comparables à ceux récemment dérivés à partir d'une série de peptides GGXGG1. Ces résultats encourageants suggèrent que plus le nombre de données déposées dans Pescador sera important, plus les analyses de ces données offriront des paramètres clés significatifs pour l'analyse de la conformation des peptides.
En effet, une importante quantité de données disponible sur les conformation de peptides et une rapidité à les regrouper afin de mieux comprendre les effets de la séquence sur les conformations, sont les deux principaux ingrédients pouvant permettre l'établissement de cette base de données spécialisée.

La deuxième partie de ce travail a consisté en la mise en relation de motifs structuraux de protéines et de motifs de contraintes nOe. Afin de mener a bien ce projet, nous avons réalisé une base de données contenant des informations structurales, dont les contraintes nOe, pour 97 protéines. Nous avons ensuite appliqué une méthode de clustering spécialement étudiée pour les structures de protéines issues d'expériences RMN, et constituées de plusieurs modèles. Cette méthode possède trois étapes : la sélection du modèle représentatif, la classification suivant la signature de Ramachandran et un clustering hiérarchique. Cette méthode nous a permis d'extraire des motifs structuraux des données initiales. L'analyse de ces motifs et de leurs caractéristiques expérimentales a mis en évidence des particularités au niveau des contraintes nOe. Ces observations ont été pour partie confirmées par la littérature.

Pescador offre donc un nouveau moyen d'obtenir des valeurs de référence à partir de celles observées par RMN sur des peptides ou des segments de protéines, en fonction de la séquence ou de l'environnement. Un atout important réside dans le fait que le biais est réduit grâce à l'analyse d'un nombre important de peptides collectés sous différentes conditions et provenant de différents laboratoires. Le potentiel est aussi présent pour de nombreuses recherches sur les influences de la séquence, du pH ou de la température, sur des paramètres RMN spécifiques. Cependant, la clé pour améliorer les analyses reste la collecte d'un plus grand nombre de données. La deuxième partie de ce travail a été consacrée au développement d'une méthode de classification de motifs structuraux récurrents de protéines, et à l'étude des relations avec leurs empreintes expérimentales. Une analyse des propriétés communes des clusters de fragments, en terme de contraintes nOe, a donné lieu dans un premier temps à la validation de notre méthode. Elle a permis de présenter une analyse intéressante d'une catégorie de motifs structuraux – les coudes – et offre des perspectives prometteuses pour d'autres études. Regrouper des données afin de les analyser rend en effet possible la mise en évidence de leurs propriétés globales. Ce travail a permis de caractériser deux de ces aspects : l'un au travers de Pescador sur les déplacements chimiques et l'autre au travers des motifs structuraux récurrents de protéines sur les contraintes nOe.
1:  BiGRe - Laboratoire de Bioinformatique des Génomes et des Réseaux
N/A

N/A

all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...