Modélisation par fragments de complexes protéine-ARN pour le design de protéines

Fragment-based modelling of protein-RNA complexes for protein design

• Auteur / Autrice : Anna Kravchenko
• Direction : Malika Smaïl-Tabbone, Isaure Chauvot de Beauchêne
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/12/2023
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications
• Jury : Président / Présidente : Samuela Pasquali
• Jury : Examinateurs / Examinatrices : Malika Smaïl-Tabbone, Isaure Chauvot de Beauchêne, Juan Cortés, Piotr Setny, Pablo Chacón, Martin Zacharias
• Jury : Rapporteurs / Rapporteuses : Juan Cortés, Piotr Setny, Pablo Chacón

Mots clés

Mots clés contrôlés

Bioinformatique structurale

Simulation de docking moléculaire

Optimisation combinatoire

Molécules -- Modèles

Interactions ARN-protéine

Mots clés libres

Modélisation moléculaire

Optimisation combinatoire

Amarrage ARN-Protéine

RNA-Protein docking

Combinatorial optimization

Molecular modeling

Résumé

Les complexes protéine-ARN jouent un rôle crucial dans la régulation cellulaire. La prédiction de leur structure 3D a des applications dans la conception de protéines et de médicaments. Le projet ITN RNAct visait à combiner des méthodes expérimentales et informatiques pour concevoir de nouveaux "motifs de reconnaissance de l'ARN" (RRM) - domaines protéiques interagissant avec l'ARN simple brin (ARNsb) - pour la biologie synthétique et la bioanalyse. La modélisation des complexes protéine-ARNsb (amarrage) est ardue car l'ARNsb n'a pas de structure propre dans sa forme libre. L'amarrage traditionnelle échantillonne les positions relatives (poses) de 2 structures moléculaires et les note pour sélectionner les plus probables. Il n'est pas directement applicable ici en raison de l'absence de structures libres d'ARNsb, pas plus que l'apprentissage profond en raison du nombre trop faible de structures connues. L'amarrage par fragments, état de l'art pour l'ARNsb, amarre toutes les conformations possibles de fragments d'ARN sur une protéine et assemble les poses les mieux notées de manière combinatoire. Notre méthode ssRNA'TTRACT utilise le logiciel d'amarrage ATTRACT et sa représentation gros grain qui remplace des groupes d'atomes par une bille. Cependant, les paramètres ARN-protéine de sa fonction de notation (ASF) ne sont pas spécifiques à l'ARNsb et peuvent être optimisés. De plus, des caractéristiques spécifiques aux RRM peuvent être apprises et guider l'amarrage. Nous avons développé un pipeline d'amarrage RRM-ssRNA basé sur les données, pour actualiser une stratégie existante. Les RRM ont 2 acides aminés aromatiques de position conservée, chacun liant par empilement un nucléotide de l'ARN. Mon collègue H. Dhondge a regroupées les structures RRM-ARNsb connues sur critère géométrique et obtenu un ensemble de prototypes de coordonnées 3D de tels empilements dans les RRM. J'ai créé un pipeline qui prend en entrée une séquence de RRM et d'ARN et l'identification des nucléotides empilés, récupère la structure du RRM dans AlphaFoldDB, identifie les positions 3D possibles des nucléotides empilés et exécute ssRNA'TTRACT avec des contraintes de distance maximales vers chaque position. En parallèle, nous avons dérivé HIPPO (HIstogram-based Pseudo-POtential), un potentiel de notation pour les poses gros-grain RRM-ARNsb basé sur la fréquence des distances bille-bille dans les poses quasi-natives versus erronées. HIPPO combine 4 ensembles de paramètres en une note consensus, afin de prendre en compte les divers modes de liaison RRM-ARNsb. Testé dans une approche "leave-one-out", il atteint un enrichissement d'un facteur 3 en quasi-natives dans les 20% de poses mieux notées pour ½ des cas contre ¼ avec ASF, et 'un facteur 4 pour ⅓ des cas contre 7% avec ASF. Surprenamment, HIPPO obtient aussi de meilleurs résultats qu'ASF sur un ensemble test de protéines sans RRM, bien que entraîné sur des RRM. Les approches par fragment rencontrent un problème intrinsèque de notation car certains fragments se lient plus spécifiquement/fortement que d'autres. Or nous avons constaté que, pour le fragment le mieux noté par complexe, HIPPO sélectionne systématiquement plus de quasi-natifs qu'ASF. Cela nous a inspiré une approche d'amarrage incrémentale: chacune des poses bien notées d'un fragment sont utilisées comme graine pour construire une chaîne d'ARN complète de manière incrémentale. Cette stratégie élimine le besoin de contacts conservés connus, jusqu'alors nécessaires pour obtenir des modèles précis, ce qui la rend généralisable aux protéines sans RRM. Nos recherches futures visent à identifier le Η le plus performant pour chaque fragment, potentiellement par apprentissage automatique (profond). Notre approche pour dériver des paramètres de notation est en principe applicable à tout type de protéine/ligand et nous prévoyons de l'étendre à d'autres domaines de protéines liant l'ARN, ainsi qu'à l'ADNsb et aux peptides longs.

Protein-RNA complexes play crucial roles in cell regulation. Predicting their 3D structure has applications in protein design and drug development. The ITN project RNAct aimed to combine experimental and computational methods to design new "RNA recognition motifs" (RRM) - protein domains interacting with single-stranded RNA (ssRNA) - for applications in synthetic biology and bioanalysis. Modelling protein-ssRNA complexes (docking) is an arduous task due to the flexibility of ssRNA, which lacks a proper structure in its free form. Traditional docking methods sample the relative positions (poses) of 2 molecular structures and score them to select the correct (near-native) ones. It is not directly applicable here due to the absence of free ssRNA structures, nor is deep learning due to the too low number of known structures for training. Fragment-based docking (FBD), the state-of-the-art approach for ssRNA, docks all possible conformations of RNA fragments onto a protein and assembles their best-scored poses combinatorially. ssRNA'TTRACT, our FBD method, uses the well-known ATTRACT docking software, with its coarse-grained representation that replaces atom groups by one bead. Yet the RNA-protein parameters of ATTRACT scoring function (ASF) are not ssRNA-specific and require optimisation. Additionally, RRM-specific features can be learned and used to guide the docking. With my colleague H. Dhondge, we have developed a data-driven FBD pipeline for RRM-ssRNA complexes, as an updated version of an existing strategy. RRMs have two aromatic amino acids (aa) in conserved positions, each stacking with a nucleotide of the bound ssRNA. H. Dhondge collected all known RRM-ssRNA structures with such stacking and clustered them to obtain a set of prototypes for the 3D coordinates of such interactions in RRM. I then set up a docking pipeline with as input the RRM and RNA sequences and the identification of the stacked nucleotides. The pipeline retrieves the RRM structure from AlphaFoldDB, identifies possible 3D positions of the stacked nucleotides and runs ssRNA'TTRACT with maximal distance restraints toward each position. In parallel, we addressed the weakness of ASF for ssRNA by deriving HIPPO (HIstogram-based Pseudo-POtential), a new scoring potential for ATTRACT poses of ssRNA on RRM, based on the frequency of bead-bead distances in near-native versus wrong poses. It combines 4 distinct parameter sets (four Η) into a consensus scoring, to better account for the diverse RRM-ssRNA binding modes. Tested in a leave-one-out approach, HIPPO reaches a 3-fold enrichment of near-natives in 20% top-scored poses for ½ of the ssRNA fragments, versus ¼ with ASF. It even reaches a 4-fold enrichment for ⅓ of the fragments, versus 7% of the fragments with ASF. Surprisingly, HIPPO performed better than ASF also on a benchmark of non-RRM proteins, while trained only on RRMs. Most FBD approaches encounter inherent scoring issues, probably due to some fragments binding more specifically/strongly than others. To address this point, we examined the best-scored fragment per complex and found that HIPPO consistently selects more near-natives than ASF for this fragment. This inspired an incremental docking approach: the top-ranked poses of one fragment are used as a starting point to build a full RNA chain incrementally. This strategy eliminates the need for known conserved contacts, which have been required so far to obtain accurate models, making it generalizable to non-RRM proteins. Future research aims to identify the best-performing Η for each fragment, potentially using (deep) machine learning. Our workflow to derive scoring parameters is in principle applicable to any protein/ligand type and we plan to expand it to other RNA-binding protein domains, as well as ssDNA and long peptides.