Simulations de nano-séquenceurs de protéines assistés par intelligence artificielle

Simulations of protein nanosequencers assisted by artificial intelligence

• Auteur / Autrice : Andreina Urquiola hernandez
• Direction : Patrick Senet, Adrien Nicolaï, Christophe Guyeux
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Carnot-Pasteur
• Partenaire(s) de recherche : Laboratoire : Laboratoire Interdisciplinaire Carnot de Bourgogne

Mots clés

Mots clés libres

Intelligence artificielle

Dynamique moléculaire

Nano-séquenceurs

Molecular dynamics

Artificial intelligence

Nanopore Sensing

Résumé

L'objet de la thèse est l'étude par simulations numériques (dynamique moléculaire tous atomes) d'un nano-séquenceur universel, basé sur un principe physique, pour la détection de n'importe quelle protéine en solution, jusqu'à la molécule unique, pour un diagnostic précoce de maladies. Le principe du nano-séquenceur expérimental qui sera simulé numériquement dans cette thèse est le suivant. Le dispositif est constitué d'un nanopore percé dans une membrane de MoS2 plongée dans une solution ionique (KCl). La membrane est soumise à une différence de potentiel électrique, engendrant un courant ionique dit « pore ouvert ». Le principe général est que ce courant ionique est bloqué/modifié lors du passage d'un biopolymère au travers du nanopore. La mesure ultra-rapide des fluctuations de courant par rapport au courant « pore ouvert » fournit des informations structurales sur le passage des différents monomères de la biomolécule à analyser. L'étude des chutes de courant et de leurs durées, interprétées comme des événements de traversée du pore (nommés translocations), permet en théorie d'identifier le passage et la nature de chaque monomère (nucléotide pour l'ADN et acide aminé pour une protéine) et ainsi d'en déduire leur enchaînement, soit la séquence de la biomolécule (ADN ou protéine). Ce dispositif est appliqué au séquençage de l'ADN (1) mais son application aux protéines est à son balbutiement. Du point de vue expérimental, la détection d'un homopolymère (poly-lysines) par une membrane de MoS2 a été publiée en 2019 en s'inspirant de nos travaux théoriques (2). Le défi reste donc entier de pouvoir extraire du courant ionique la séquence des acides aminés d'une protéine traversant un nanopore et ainsi d'identifier la macromolécule. Réussir ce défi aurait un impact important pour le diagnostic précoce de maladies, vu la sensibilité, l'universalité et la portabilité du dispositif. Les signaux de courant mesurés expérimentalement et nos simulations numériques antérieures du dispositif (2) montrent que la complexité du signal de courant ne permet pas d'identifier chaque acide aminé. L'hypothèse à valider dans cette thèse de doctorat est que cela n'est pas nécessaire et qu'une analyse plus fine du signal peut permettre d'identifier la protéine. La solution proposée ici est d'identifier la seule signature des acides aminés chargés. Dans cette thèse, nous voulons démontrer théoriquement par dynamique moléculaire et en utilisant les techniques de l'intelligence artificielle appliquées au courant simulé, que la détection des monomères chargés positivement et négativement est possible et que la position de ces acides aminés chargés dans une séquence suffit pour identifier la protéine. La preuve de ce concept sortirait de l'impasse les recherches actuelles sur le séquençage par nanopore des protéines. L'avantage de l'approche numérique proposée dans la thèse par rapport à l'expérience est que nous pourrons établir le lien entre la position des acides aminés (connue par dynamique moléculaire) et le signal de courant ionique (équivalent à l'expérience). Ceci nous permettra d'éliminer les faux positifs, apparaissant comme des modifications du courant sans passage vrai de la protéine, en entrainant les méthodes d'apprentissage de l'intelligence artificielle (IA) (machine learning et deep learning) sur les traces de courant simulées en utilisant des Séquences SImplifiées des protéines (SSI), où les acides aminés seront partagés en seulement 3 classes (X=positif, Y =négatif, Z=neutre). Le concept des SSI réduira considérablement l'espace des séquences des protéines et permettra l'application des techniques de l'IA. Par exemple, pour une protéine de 6 acides aminés, l'espace des séquences passe de 86 millions à 729 séquences en utilisant le concept des SSI. Des peptides extraits de protéines impliquées dans la maladie de Parkinson seront utilisés comme modèles pour la preuve de concept. Les calculs seront menés en parallèle avec des tests expérimentaux par notre partenaire à l'EPFL à Lausanne en Suisse (groupe du Prof. Radenovic). References: (1) Graf M., Lither M., Altus D., Marion S. & Radenovic A. Transverse Detection of DNA Using a MoS2 Nanopore. Nano Lett. 2019, 19, 12, 9075–9083. (2) Nicolaï A., Barrios Pérez M. D., Delarue P., Meunier V., Drndic M. & Senet P. Molecular Dynamics Investigation of Polylysine Peptide Translocation through MoS2 Nanopores. J. Phys. Chem. B 2019, 123, 10, 2342–2353

The subject of the thesis is the study by numerical simulations (molecular dynamics all atoms) of a universal nanosequencer, based on a physical principle, for the detection of any protein in solution, up to the molecule unique, for early diagnosis of diseases. The principle of the experimental nano-sequencer which will be numerically simulated in this thesis is as follows. The device consists of a nanopore pierced in a MoS2 membrane immersed in an ionic solution (KCl). The membrane is subjected to a difference in electric potential, generating an ionic current called “open pore”. The general principle is that this ionic current is blocked / modified during the passage of a biopolymer through the nanopore. The ultra-fast measurement of current fluctuations relative to the “open pore” current provides structural information on the passage of the different monomers of the biomolecule to be analyzed. The study of current drops and their durations, interpreted as pore crossing events (called translocations), in theory makes it possible to identify the passage and the nature of each monomer (nucleotide for DNA and amino acid for a protein) and thus deduce their sequence, ie the sequence of the biomolecule (DNA or protein). This device is applied to DNA sequencing (1) but its application to proteins is in its infancy. From an experimental point of view, the detection of a homopolymer (poly-lysines) by a MoS2 membrane was published in 2019 based on our theoretical work (2). The challenge therefore remains to be able to extract from the ionic current the amino acid sequence of a protein crossing a nanopore and thus identify the macromolecule. Meeting this challenge would have a significant impact on the early diagnosis of diseases, given the sensitivity, universality and portability of the device. Experimentally measured current signals and our previous digital simulations of the device (2) show that the complexity of the current signal does not allow each amino acid to be identified. The hypothesis to be validated in this doctoral thesis is that this is not necessary and that a more detailed analysis of the signal can allow the protein to be identified. The solution proposed here is to identify the single signature of charged amino acids. In this thesis, we want to demonstrate theoretically by molecular dynamics and using the techniques of artificial intelligence applied to the simulated current, that the detection of positively and negatively charged monomers is possible and that the position of these charged amino acids in a sequence is sufficient. to identify the protein. The proof of this concept would break the deadlock of current research on nanopore sequencing of proteins. The advantage of the numerical approach proposed in the thesis compared to the experiment is that we will be able to establish the link between the position of the amino acids (known by molecular dynamics) and the ionic current signal (equivalent to the experiment) . This will allow us to eliminate false positives, appearing as modifications of the current without the true passage of the protein, by training the learning methods of artificial intelligence (AI) (machine learning and deep learning) on ​​the current traces. simulated using SImplified Protein Sequences (SSI), where amino acids will be split into only 3 classes (X = positive, Y = negative, Z = neutral). The concept of SSI will significantly reduce the space of protein sequences and allow the application of AI techniques. For example, for a protein of 6 amino acids, the sequence space increases from 86 million to 729 sequences using the concept of SSI. Peptides extracted from proteins involved in Parkinson's disease will be used as models for the proof of concept. The calculations will be carried out in parallel with experimental tests by our partner at EPFL in Lausanne, Switzerland (group of Prof. Radenovic). References: (1) Graf M., Lither M., Altus D., Marion S. & Radenovic A. Transverse Detection of DNA Using a MoS2 Nanopore. Nano Lett. 2019, 19, 12, 9075–9083. (2) Nicolaï A., Barrios Pérez M. D., Delarue P., Meunier V., Drndic M. & Senet P. Molecular Dynamics Investigation of Polylysine Peptide Translocation through MoS2 Nanopores. J. Phys. Chem. B 2019, 123, 10, 2342–2353