Évaluation et prédiction des interactions et conformations protéiques basées sur les signaux évolutifs – SPPICES

AlphaFold2 a révolutionné le domaine de la bioinformatique structurale et de la biologie en général, prédisant avec précision les structures protéiniques à partir des séquences. Toutefois, il ne dévoile pas toutes les complexités des mouvements et interactions protéiniques essentiels à la compréhension des mécanismes moléculaires des fonctions protéiques. SPPICES ambitionne de pallier cette lacune en utilisant des informations évolutionnaires pour aider AlphaFold2 à prédire des conformations alternatives et optimiser son échantillonnage des interfaces protéine-protéine dynamiques le long du continuum ordre-désordre. L'hypothèse principale est que l'évolution modélise les conformations protéiniques biologiquement pertinentes, nous permettant d'extraire des signaux évolutionnaires pour perfectionner nos modèles prédictifs. En capitalisant sur les atouts d'AlphaFold2 et en intégrant les techniques les plus avancées d'apprentissage profond, notamment celles basées sur les graphes, trois ensembles de travaux interconnectés (WPs) seront mis en œuvre. D'abord, le WP1 s'attellera à prédire les conformations des protéines mono et multi-domaines avec AlphaFold2 en utilisant des structures connues et des modifications des alignements de séquences multiples. Parallèlement, le WP2 étudiera la prédiction des changements conformationnels liés aux transitions ordre-désordre et la sélection des conformations fonctionnelles parmi l'ensemble structurel des protéines intrinsèquement désordonnées en utilisant de nouvelles métriques évolutionnaires. Finalement, le WP3 se focalisera sur la modélisation et l'évaluation des interactions protéine-protéine, en intégrant les données des WPs précédents pour modéliser les interfaces dynamiques et floues. En combinant les méthodes d'apprentissage profond avec la biologie évolutive, SPPICES vise à affiner notre compréhension de la dynamique, des interactions et des fonctions protéiniques, au bénéfice de la communauté scientifique globale.