Construction de novo d'une enzyme synthétique permettant d'éliminer des polluants alimentaires et non alimentaires

De novo design of a synthetic enzyme for depollution applications

• Auteur / Autrice : Nicolas Petiot
• Direction : Fabrice Neiers, Adrien Nicolaï
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Dijon, Université Bourgogne Europe
• Ecole(s) doctorale(s) : École doctorale Carnot-Pasteur (Besançon ; Dijon ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Interdisciplinaire Carnot de Bourgogne

Mots clés

Mots clés libres

Structures de protéines

Intelligence artificielle

Simulations numériques - dynamique moléculaire

Glutathione transferase

Biologie de synthèse

Ligands

Protein structures

Artificial intelligence

Numerical simulations - molecular dynamics

Glutathione transferase

Synthetic biology

Ligands

Résumé

Les protéines, faites de chaînes d'acides aminés, sont des macromolécules essentielles au monde du vivant et la résolution de leur structure tridimensionnelle (3-D) est un atout majeur à la compréhension de leur fonction biologique. Depuis plusieurs décennies, des efforts considérables ont été entrepris pour résoudre expérimentalement les structures atomiques des protéines, que ce soit par diffraction des rayons X, résonance magnétique nucléaire ou par cryo-microscopie électronique. Ainsi, près de 200 000 structures 3-D de protéines ont été résolues et déposées dans la banque de données en ligne Protein Data Bank. Cependant, cela représente une infime fraction des centaines de milliards de séquences de protéines référencées dans la base de données Universal Protein Resource (UniProt). Cette limitation est essentiellement due aux difficultés rencontrées expérimentalement pour résoudre la structure atomique d'une molécule biologique unique. Ainsi, prédire la structure 3-D adoptée par une protéine à partir de sa séquence d'acides aminés, le problème du repliement des protéines, est un challenge important, et ce depuis plus de 50 ans. Ces deux dernières années, la prédiction de la structure 3-D des protéines a connu une avancée majeure à la suite du développement du programme AlphaFold par DeepMind, la compagnie d'intelligence artificielle (IA) de Google. Ce programme révolutionnaire dans le monde de la biologie et de la bio-informatique est basé sur un réseau de neurones qui prédit la structure 3-D des protéines à partir de leur séquence d'acides aminés avec une précision comparable à celle obtenue par diffraction des rayons X de cristaux protéiques. Cette avancée majeure permet aujourd'hui d'envisager l'utilisation de cet outil à différentes fins, que ce soit au niveau fondamental pour une meilleure compréhension des phénomènes biologiques à partir de prédictions de structures 3-D de protéines mais également pour le développement d'applications dans le domaine médical ou environnemental. En utilisant le programme AlphaFold, notre projet s'attache à concevoir de nouvelles enzymes de la superfamille des Glutathione Transferase (GST) à partir de séquences d'acides aminés ''artificielles'' en vue de créer des protéines avec des propriétés catalytiques nouvelles et/ou optimisées. Ces enzymes GST, multifonctionnelles, sont notamment impliquées dans les processus de détoxification de l'ensemble des organismes vivants sur Terre incluant l'homme. En pratique, ces enzymes catalysent la biotransformation des composants toxiques en greffant une molécule de glutathion les rendant ainsi plus hydrophiles et donc plus facilement éliminables. De plus, ces enzymes sont robustes, tolérantes vis-à-vis des mutations et relativement simples à exprimer et à purifier, qui sont des propriétés essentielles pour le design de protéines synthétiques. Cela justifie donc fortement leur exploitation en biotechnologie. Le choix des séquences d'acides aminés sera établi pour imiter l'évolution. La stabilité théorique des structures 3-D déterminées par IA sera validée en utilisant des simulations de dynamique moléculaire (DM). Enfin, les structures des GST modélisées par IA dont la stabilité aura été vérifiée in silico par DM seront ensuite produites à la suite de la construction des gènes synthétiques correspondants, puis purifiées afin de mesurer leurs propriétés catalytiques et de sélectivité vis-à-vis de substrats comme des polluants alimentaires et non alimentaires. Ces enzymes synthétiques pourraient avoir un impact dans les domaines de la toxicologie alimentaire, de la décontamination des milieux pollués (bioremédiation) et en biotechnologie

Proteins are macromolecules which play vital roles in life and the resolution of their 3-D atomic structures is essential for a better understanding of their biological functions. For years, technological and scientific advances, that included the development of the nuclear magnetic resonance (NMR) techniques and cryo-electron microscopy (cryo-EM), computational and theoretical approaches, resulted in exponential explosion of the number of determined protein structures (more than 200,000 structures have been experimentally resolved). However, it represents a tiny fraction of the hundreds of billions of proteins that have been collected in the UniProt database. Protein structures prediction has recently experienced a major scientific breakthrough with the release of Alpha Fold, an AI system developed by DeepMind, which predicts a protein's 3-D structure from its amino acid sequence. It regularly achieves accuracy competitive with experiments. The use of this tool applied in fundamental research for a better understanding of biological phenomena or for the development of medical or environmental applications. Using Alpha Fold, this project aims at designing new enzymes from Gluthatione Transferase (GST) superfamily, using “artificial” amino acid sequences in order to design proteins with optimized catalytic properties. GST enzymes, which are multifunctional proteins, are particularly involved in the detoxification process in almost all living organisms on Earth, including humans. The selection of “artificial” amino acid sequences will be performed to imitate the evolution, since originally, GSTs have evolved by domain addition and mutations, particularly in the binding sites. Then, the 3-D structures of “artificial” GSTs will be generated using Alpha Fold and the structural stability of the 3-D structures obtained by AI will be tested using Molecular Dynamics simulations. Finally, the structures for which the stability and affinity have been tested in silico will be synthesized, purified, and resolved experimentally by our collaborators.