Similarités et divergences, globales et locales, entre structures protéiques

Similarities and divergencies, global and local, between protein structures

• Auteur / Autrice : Mathilde Le Boudic-Jamin
• Direction : Rumen Andonov
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 14/12/2015
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : PRES : Université européenne de Bretagne (2007-2016)
• Partenaire(s) de recherche : Laboratoire : Institut de recherche en informatique et systèmes aléatoires (Rennes) - Genscale

Mots clés

Mots clés contrôlés

Bioinformatique structurale

Théorie des graphes

Protéines -- Composition chimique

Mots clés libres

Classification supervisée de protéines

Apprentissage

Dominances

Formalisation par des graphes

Recherche de cliques

Recherche de pseudocliques

Analyse d’alignements structuraux

Domaines structuraux

Permutations circulaires

Charnières

Répétitions de motifs

Supervisedclassification

Learning

Dominances

Graphformalism

Clique/pseudoclique detection

Structuralalignments

Structuraldomains

Circularpermutations

Hinges

Structural motif repeats

Résumé

Cette thèse s'articule autour de la détection de similarités globales et locales dans les structures protéiques. Premièrement les structures sont comparées, mesurées en termes de distance métrique dans un but de classification supervisée. Cette classification des domaines structuraux au sein de classifications hiérarchiques se fait par le biais de dominances et d'apprentissages permettant d'assigner plus rapidement et de manière exacte de nouveaux domaines. Deuxièmement, nous proposons une méthode de manière de traduire un problème biologique dans les formalisme des graphes. Puis nous résolvons ce problème via le parcours de ces graphes pour extraire les différentes sous-structures similaires. Cette méthode repose sur des notions de compatibilités entre éléments des structures ainsi que des critères de distances entre éléments. Ces techniques sont capables de détecter des événements tels que des permutations circulaires, des charnières (flexibilité) et des répétitions de motifs structuraux. Finalement nous proposons une nouvelle approche dans l'analyse fine de structures afin de faciliter la recherche de régions divergentes entre structures 3D fortement similaires.

This thesis focusses on local and global similarities and divergences inside protein structures. First, structures are scored, with criteria of similarity and distance in order to provide a supervised classification. This structural domain classification inside existing hierarchical databases is possible by using dominances and learning. These methods allow to assign new domains with accuracy and exactly. Second we focusses on local similarities and proposed a method of protein comparison modelisation inside graphs. Graph traversal allows to find protein similar substructures. This method is based on compatibility between elements and criterion of distances. We can use it and detect events such that circular permutations, hinges and structural motif repeats. Finally we propose a new approach of accurate protein structure analysis that focused on divergences between similar structures.