Exploration structurale des protéines pour leur validation en tant que cibles thérapeutiques

Structural exploration of proteins for their validation as therapeutic targets

• Auteur / Autrice : Sarah Naceri
• Direction : Anne-Claude Camproux
• Type : Thèse de doctorat
• Discipline(s) : Informatique médicale
• Date : Soutenance le 02/06/2023
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Pierre Louis de santé publique : épidémiologie et sciences de l'information biomédicale (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Unité de biologie fonctionnelle et adaptative (Paris ; 2014-....)
• Jury : Président / Présidente : Annick Méjean
• Jury : Examinateurs / Examinatrices : Isabelle Theret, Arnaud Blondel
• Jury : Rapporteur / Rapporteuse : Alexandre Varnek, Isabelle Callebaut

Mots clés

Mots clés contrôlés

Apprentissage automatique

SARS-CoV-2 (virus)

Influenzavirus A

Thérapie moléculaire ciblée

Dynamique moléculaire

Sites actifs (biochimie)

Mots clés libres

Sites de liaison

Dynamique moléculaire

Cible thérapeutique

Influenza A

SARS-CoV-2

Apprentissage automatique

Binding sites

Molecular dynamic

Therapeutic target

Influenza A

SARS-CoV-2

Machine learning

Résumé

L'identification et la validation d'une cible thérapeutique à l'aide d'approches in silico basées sur la structure, reposent notamment sur des techniques de modélisation moléculaire. Parmi ces techniques, on peut citer celles qui permettent la détection de leurs sites de liaison par l'estimation des cavités à la surface de la structure de la cible et la caractérisation de leurs propriétés de druggabilité, c'est-à-dire de leur capacité à accepter un ligand de type médicament. Malgré l'augmentation du nombre de structures tridimensionnelles des protéines disponibles, les cibles thérapeutiques restent difficiles à identifier en raison de la flexibilité des protéines dans l'organisme. Les changements conformationnels des protéines peuvent induire des modifications locales au niveau des résidus qui composent les sites de liaison et par conséquent modifier les propriétés de druggabilité des protéines. Différents outils permettent l'identification des poches, mais seulement une partie d'entre eux proposent une prédiction de leur potentiel druggabilité, et la quantification de leur déformabilité n'est pas proposée. Mon projet de thèse consiste à développer un protocole d'exploration structurale des protéines pour leur validation en tant que cibles thérapeutiques en intégrant des approches de détection des poches, de prédiction de leur druggabilité tout en prenant en compte la flexibilité des protéines. Cette stratégie permet d'étudier le polymorphisme structural des protéines; de caractériser les sites de liaison et leur évolution en termes de résidus ainsi que leur druggabilité. Ce protocole repose sur deux étapes principales. Une étape de recherche et de prédiction des poches druggables à l'aide d'un outil développé au sein de l'équipe appelé PockDrug. Cet outil utilise des descripteurs physico-chimiques et géométriques ainsi que des techniques statistiques supervisées pour estimer et caractériser les cavités protéiques. Une étape d'étude de la dynamique des protéines afin d'évaluer leur polymorphisme structural et leur flexibilité. Finalement, les données issues de ces étapes sont intégrées et analysées à l'aide de techniques d'analyse statistique multivariée non supervisée telle que la classification pour suivre l'évolution et la flexibilité des poches en étudiant les résidus qui les composent au cours des dynamiques. Ce protocole permet d'évaluer la déformabilité des poches en termes de résidus, leur évolution au cours du temps, leur fréquence d'apparition ainsi que leur potentiel druggable. De plus, cette méthode permet de tester l'impact des mutations ou des partenaires sur la structure des protéines, leur site de liaison, leur flexibilité, ainsi que sur leur druggabilité. Le travail effectué a abouti à la publication de deux articles portant sur la cible thérapeutique Non Structurale 1 du virus Influenza A. L'article [1] concerne l'analyse du polymorphisme structural de différents sous-types de la protéine Non Structurale 1 (NS1) à l'aide de simulations de dynamique moléculaire. Cette analyse a permis de démontrer l'indépendance du polymorphisme de cette protéine vis-à-vis du sous-type ainsi que la stabilité du domaine de liaison à l'ARN, qui joue un rôle essentiel dans la réplication du virus. La deuxième publication [2] a été menée pour rechercher au niveau de cette région stable du domaine de liaison à l'ARN une poche druggable fréquente et commune aux différents sous-type étudiés de NS1 ainsi qu'une analyse de la déformabilité de cette poche pour identifier les résidus clés à cibler par une molécule thérapeutique. Un troisième article [3], porte sur l'analyse du domaine de liaison au récepteur de la protéine Spike du virus SARS-CoV-2. Pour cette étude, en tenant compte de la flexibilité des protéines, le protocole a été étendu à la recherche des sites de liaison sur l'ensemble de la surface de la protéine Spike et a permis d'identifier trois poches d'intérêt, pouvant potentiellement entraîner son inactivation.

The identification and validation of therapeutic targets using structure-bases in silico approaches relies, in particular, on molecular modeling techniques. Among these techniques, the detection of binding sites involves estimating cavities on the target's surface and characterizing their druggability properties, which refers to their ability to accept a drug-like ligand. Despite the increasing number of available protein structures, identifying therapeutic targets remains challenging due to the flexibility of proteins in the body. Conformational changes in proteins can induce local modifications at the level of residues that make up the binding sites, altering the druggability properties of the proteins. Different tools allow for pocket identification, but only a few predict their druggability potential, and none provide a quantification of their deformability. This protocol consists of two main steps: a search of pockets and prediction of their druggability using a team-developed tool called PockDrug. This tool utilizes physicochemical and geometric descriptors, as well as supervised statistical techniques, to estimate and characterize protein cavities. The second step involves studying protein dynamics to evaluate their structural polymorphism and flexibility. Finally, data from these steps are integrated and analyzed using unsupervised multivariate statistical analysis techniques, such as classification, to track the evolution and flexibility of pockets by studying the residues that compose them during dynamics. This protocol allows for evaluating the deformability of pockets in terms of residues, their temporal evolution, frequency of occurrence, as well as their druggable potential. Additionally, this method enables testing the impact of mutations or partners on protein structure, binding site flexibility, and druggability. The work conducted resulted in the publication of two articles regarding the Non Structural 1 therapeutic target of the Influenza A virus. The first article [1] concerns the analysis of the structural polymorphism of different NS1 protein subtypes using molecular dynamics simulations to understand the flexibility of the NS1 protein. This analysis demonstrated the independence of the polymorphism of this protein regarding the subtype. Additionally, these simulations allowed highlighting the stability of the RNA binding domain, which plays an essential role in virus replication. The second publication [2] aimed to search for a frequent and common druggable pocket within the stable region of the RNA binding domain of NS1 studied in different subtypes. It also involved analyzing the deformability of this pocket to identify the key residues to target with a therapeutic molecule. A third article [3] focuses on the analysis of the receptor binding domain of the Spike protein of the SARS-CoV-2 virus. For this study, the protocol was extended to the search for binding sites on the entire surface of the Spike protein, taking into account protein flexibility. This approach allowed identifying three interesting pockets, which could potentially lead to the inactivation of the Spike protein.