Design de protéines flexibles et estimation d'affinité de liaison – Innuendo

La conception in silico de protéines (CPD en Anglais) consiste à concevoir des protéines
effectuant certaines tâches. Le cas des interactions non covalentes nécessite de designer des molécules
ayant une affinité de liaison prescrite. Ce problème est très ardu en raison du nombre exponentiel de
choix d’acides aminés, du rôle de la flexibilité moléculaire qui conditionne l’affinité et la spécificité des
interactions, et de la difficulté à estimer l’affinité de façon fiable. En termes de méthodes, notre objectif
est d’avancer l’état de l’art du CPD de molécules flexibles, sujet posant des questions géométriques
difficiles dans des espaces de très grande dimension. Nos contributions méthodologiques seront de
trois ordres.

Primo, nous concevrons de nouveaux movesets (propositions dans la terminologie Monte Carlo)
générant des conformations pour une protéine entière. Ces algorithmes s’appuieront sur une nouvelle
paramétrisation de la géométrie du backbone basée sur les angles de torsion, et sur des contraintes
associées aux chai^nes latérales. Secondo, nous développerons de nouveaux algorithmes pour estimer
de façon fiable les fonctions de partition permettant de définir le Kd associé à l’affinité de liaison.
Nous utiliserons pour cela nos movesets dans le contexte d’algorithmes etat-de-l’art pour le calcul de
volumes et de densités d’états. Tertio, les deux contributions précédents seront combinées pour créer
un nouveau canevas de design de protéines flexibles. Les nouveaux algorithmes permettront d’explorer
un espace de designs plus grand, tout en réduisant le coût expérimental grâce à des estimations plus
fiables. Ces algorithmes seront mis à la disposition de la communauté via la Structural Bioinformatics
Library (http://sbl.inria.fr), qui propose à la fois des méthodes de bas niveau et des applications pour
les biologistes et biophysiciens.

Ces méthodes seront utilisées pour développer des molécules neutralisantes de haute affinité contre
SARS-CoV-2 et SARS-CoV-1. Avec un nombre de décès estimé à 6.5 millions de personnes en trois
ans, la crise du COVID-19 a mis en évidence la nécessité critique de mieux combattre ces virus
respiratoires. Depuis 2020, plusieurs travaux ont développé des molécules visant à bloquer le spike de
SARS-CoV-2 (anticorps monoclonaux, nanobodies, protéines artificielles). Cependant, leur limitation
réside dans leur spectre relativement étroit leur inadéquation à reconnai^tre les nouveaux variants.
Les méthodes développées dans le projet serviront à sélectionner des protéines artificielles (nommées
aReps) reconnaissant le RBD (Receptor Binding Domain) d’un large spectre de sarbecovirus avec une haute affinité, et seront
testés comme antiviraux dans un modèle animal d’infection, le hamster.
Nous utiliserons comme point de départ des aReps que nous avons sélectionnées contre le SARS-
CoV-2, présentant une affinité de l’ordre du nanomolaire pour le spike, capables de neutraliser une souche
D614G SARS-CoV-2 et de protéger les hamsters. Nous déterminerons les structures cristallographiques
et de cryo-EM de plusieurs complexes aReps neutralisants - RBD ou spike pour définir les résidus
définissant les surfaces de liaison. En parallèle, nous mesurerons l’affinité entre nos aReps neutralisants
et les RBD représentatifs de la diversité des sarbecovirus. Ces données seront utilisées comme outils
de validation pour les algorithmes générés dans le projet pour les estimations d’affinité de liaison.

Grâce à un cercle vertueux combinant des algorithmes état-de-l’art et des expériences de bi-
ologie structurale (cryo-EM, cristallographie rayons X) et de biochimie (mesures d’affinité), nous
développerons de nouvelles molécules ciblant les sarbecoviruses circulant, molécules par ailleurs peu
sensibles aux mutations.