Annotation du proteome d'A. thaliana via l'analyse et la prédiction de son interactome

Annotation of the A. thaliana proteome via the analysis and prediction of its interactome

• Auteur / Autrice : Simon Gosset
• Direction : Marie-Hélène Mucchielli-Giorgi
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la vie et de la santé
• Date : Soutenance le 09/02/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Structure et Dynamique des Systèmes Vivants
• Partenaire(s) de recherche : Laboratoire : Institut des sciences des plantes de Paris-Saclay (Gif-sur-Yvette, Essonne ; 2015-....)
• Partenaire(s) de recherche : référent : Université d'Évry Val d'Essonne
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Life Sciences and Health (2020-....)
• Jury : Président / Présidente : Blaise Hanczar
• Jury : Examinateurs / Examinatrices : Juliette Martin, Thomas Schiex, Jessica Andreani, Martin Weigt
• Jury : Rapporteurs / Rapporteuses : Juliette Martin, Thomas Schiex

Mots clés

Mots clés contrôlés

Apprentissage machine

Saccharomyces cerevisiae

Arabidopsis thaliana

Interactions protéine-protéine

Biochimie

Mots clés libres

Interaction protéine-Protéine

Réseau

Graphe

Annotation

Prédiction

AlphaFold

Protein-Protein interaction

Network

Graph

Annotation

Prediction

AlphaFold

Résumé

Le fonctionnement des cellules vivantes est assuré par un ensemble d'interactions entre des molécules que l'on appelle protéines. Identifier les couples de protéines en interaction, impliqués dans un processus biologique d'intérêt, permet donc de mieux comprendre son fonctionnement. Pour cela, il existe un ensemble de méthodes expérimentales, mais qui sont trop coûteuses pour explorer l'ensemble des interactions mises en jeu ou pas passez fiables. Pour pallier à ce problème, des méthodes informatiques ont été développées. L'objectif de ma thèse a ainsi été de mettre en place une méthode permettant de construire un réseau d'interactions protéine-protéine (PPI) impliquant des protéines d'intérêt, puis d'y rechercher toutes les protéines impliquées dans un même processus biologique qui constituent des sous-réseaux de protéines fortement in-terconnectées. Le résultat dépendant de la qualité du réseau, j'ai tenté ensuite de l'affiner en y ajoutant des PPI prédites. Pour cela, j'ai mis en place une méthode de prédiction de PPI utilisant Alphafold-multimer, une méthode innovante de prédiction de structure de complexe protéique. En parallèle, j'ai produit un jeu de données décrivant les caractéristiques physico-chimiques, l'énergie de liaison et la propension à l'interaction des surfaces et des interfaces d'un grand nombre de protéines afin de comprendre ce qui distingue les PPI correctement prédites de celles ratées par la méthode que j'ai mise en place.

Living organisms function thanks to a set of interactions between molecules called proteins. Identifying the pairs of proteins involved in these interactions provides a better understanding of how they function. There are several experimental methods for identifying these proteins, but they are either too expensive or not reliable enough to explore all the protein interactions that take place in living organisms. Computational methods have been developed to predict these interactions to meet this need. During my thesis, I set up a method for predicting protein-protein interactions using Alphafold-multimer, an innovative structure prediction method. At the same time, I produced a dataset describing the physico-chemical characteristics, binding energy and interaction propensity of the surfaces and interfaces of a large number of proteins to understand what distinguishes correctly predicted PPIs from incorrectly predicted PPI by the method I have set up.