Evolution d'enzymes fondée sur la modélisation – MoBEE

L'évolution dirigée est aujourd'hui l'approche la plus efficace pour concevoir des enzymes aux propriétés nouvelles ou améliorées. Cette méthode expérimentale soumet une séquence candidate à des cycles de diversification et de sélection qui imitent le processus d'évolution naturel. En pratique, cependant, elle nécessite de commencer par une séquence éloignée de quelques mutations seulement de la séquence d'intérêt. Notre projet vise à accéder rapidement par cette méthode à des régions de l'espace des séquences très éloignées du point de départ, ce qui est crucial pour l'évolution d'enzymes ayant de nouvelles fonctions. A titre de démonstration, nous proposons de générer des variantes d'une enzyme ayant une activité comparable mais des mutations sur plus de 50% de leurs séquences, en utilisant seulement quelques cycles de sélection en combinaison avec de nouvelles techniques d'analyse de données.

À cette fin, nous développerons des modèles mathématiques qui combinent des connaissances biophysiques et des inférences statistiques. Les modèles seront alimentés et validés avec des données de séquençage à haut débit générées par un nouveau système expérimental de sélection à haut débit. Notre stratégie repose sur une relation bien établie entre la biophysique et les propriétés évolutives des protéines : les protéines présentant une stabilité thermique accrue sont plus robustes aux mutations et plus "évolutives". Nous apprendrons comment la stabilité thermique est encodée dans les séquences en analysant les données que nos expériences généreront, où les séquences sont sélectionnées pour leur activité catalytique. À partir de là, nous concevrons des banques de séquences présentant une stabilité accrue, que nous soumettrons à de nouveaux cycles d'évolution. Cela générera des données permettant d'améliorer le modèle et de naviguer plus avant dans l'espace des séquences. De façon critique, nos expériences d'évolution dirigée seront réalisées in vitro et à l'aide d'un protocole d'auto-sélection, ce qui permettra de produire des données à très haut débit pour un faible coût et avec un biais biologique minimal.

Notre projet devrait conduire à de nouvelles connaissances fondamentales sur la relation entre les séquences des enzymes, leur stabilité et leurs propriétés catalytiques, ainsi qu'à de nouvelles approches pratiques pour stabiliser les enzymes et les faire évoluer vers de nouvelles activités catalytiques.