Vieillissement du système cardio-vasculaire – Etude de l’activité des peptides d’élastine

Aging of the Cardiovascular System – Study of the Elastin Peptides Activity

• Auteur / Autrice : Azzam Alwan
• Direction : Pierre Beauseroy, Manuel Dauchez
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance le 22/10/2018
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Troyes, Aube)
• Partenaire(s) de recherche : Laboratoire : Institut Charles Delaunay / ICD
• Jury : Président / Présidente : Su Ruan
• Jury : Examinateurs / Examinatrices : Manuel Dauchez, Su Ruan, Rémi Cogranne, El-Hadji Ojermoune, Sébastien Almagro, Pierre Tuffery
• Jury : Rapporteur / Rapporteuse : Rémi Cogranne, El-Hadji Ojermoune

Mots clés

Mots clés contrôlés

Dynamique moléculaire

Peptides

Reconnaissance des formes (informatique)

Détection des anomalies (informatique)

Apprentissage automatique

Mots clés libres

Apprentissage automatique

Détection des anomalies (informatique)

Reconnaissance des formes (informatique)

Peptides

Dynamique moléculaire

Machine learning

Anomaly detection (Computer security)

Pattern recognition systems

Peptides

Molecular dynamics

Résumé

Ce travail vise à proposer une méthodologie statistique pour étudier les peptides produits par la dégradation des protéines d'élastine artérielle. Les approches biologiques indiquent que certains de ces peptides peuvent être considérés comme des signaux moléculaires et peuvent influencer l'évolution des pathologies vasculaires. De plus, des expériences montrent que les propriétés biologiques des peptides sont liées à leurs structures 3D. Dans ce contexte, l'objectif de nos travaux consiste à analyser les structures 3D de ces peptides pour identifier les conformations liées à leurs activités biologiques et pronostiquer l’activité de nouveaux peptides. Il s'agit donc d'identifier les conformations ''clés'' pour l’activité de ces peptides à l'aide d'une base de données de simulations dynamiques du comportement moléculaire des peptides de l'élastine. Parmi les peptides simulés, certains sont connus pour avoir un effet biologique alors que d'autres ne le sont pas. Dans un premier temps, il est extrêmement important d'identifier les principales conformations de chaque peptide à partir des simulations moléculaires. Un processus combinant plusieurs méthodes statistiques a été proposé dans ce but et a démontré son efficacité sur la base de données existante. Dans un second temps, un détecteur d'activité peptidique a été proposé. Il est capable de prévoir l'activité de nouveaux peptides non étiquetés. Le détecteur proposé est simple et peut être appliqué à de grandes bases de données

This work aims to propose a statistical methodology to study the degradation products of arterial elastin. The proposed approach consists in analyzing simulation data of molecular dynamics of peptides resulting from the degradation of elastin proteins. Biological approaches indicate that some of these peptides can be considered as molecular signals and can influence the evolution of vascular pathologies. Moreover, experiments show that the biological properties of peptides are linked to their 3D structures. In this context, the objective of our work consists in analyzing the 3D structures of these peptides to identify the structures (conformations) related to their biological activities and next predict the activity of new peptides. It is therefore necessary to identify the ''key'' conformations for the activity of these peptides using a database of dynamic simulations of their molecular behaviour. Among the simulated peptides, some are known to have a biological effect while others are not. First, it is extremely important to identify the main conformations of each peptide from molecular simulations. A process combining several statistical methods is proposed for this purpose and demonstrates its effectiveness on the basis of existing data. Second, a peptide activity detector is proposed. It is able to predict the activity of new unlabelled peptides. The proposed detector is simple and can be applied to large databases