thumb|Modélisation de protéines par homologie
La modélisation de protéines par homologie, également connue sous le nom de modélisation comparative des protéines, se réfère à la construction d’un modèle d’une protéine « cible », dont la résolution est de niveau atomique, à partir de sa séquence d’acides aminés et d'une structure expérimentale tridimensionnelle d’une protéine homologue connexe (le « modèle »).
La modélisation par homologie repose sur l’identification d’une ou plusieurs structures protéiques connues susceptibles de ressembler à la structure de la séquence d’acides aminés recherchée et sur la production d’un alignement qui mappe des résidus (un acide aminé à l’intérieur d’une chaîne peptidique) dans la séquence d’acides aminés recherchée à des résidus dans la séquence d’acides aminés modèle. Cela repose sur l'intuition que la forme d'une protéine dépend de sa composition chimique, et notamment des interactions entre les différents champs de force générés par les atomes de la molécule.
La connaissance de la séquence d’acides aminés d'une protéine, permet donc une prédiction sur la forme que celle-ci aura. Pour simplifier la recherche de la forme, on ne va pas chercher à calculer le résultat de l'interaction des différents champs de forces, mais on va chercher des protéines qui ont une séquence d'acide aminé similaire et dont on connaît la forme à l'avance, parce qu'on l'a obtenu à partir de mesures faites en cristallographie ou résonance magnétique nucléaire. Comme les structures protéiques sont mieux conservées à travers l'évolution que les séquences d’acides aminés d’ADN, des niveaux détectables de similarité de séquence d’acides aminés impliquent habituellement une similarité structurelle importante. De plus, les séquences d’acides aminés qui n'ont une similitude limitée avec d'autres protéines, peuvent avoir des structures 3D très différentes.
Comme avec d’autres méthodes de prédiction de la structure, la pratique actuelle en modélisation par homologie est évaluée dans une expérience à grande échelle biennale dénommée Critical Assessment of Techniques for Protein Structure Prediction, ou CASP.
Qualité du modèle d’homologie
La qualité du modèle d’homologie est donc tributaire du choix de la protéine modèle et de la qualité de l’alignement de séquences d’acides aminés de la protéine cible avec ceux de la protéine de modèle.
L’approche peut être compliquée par la présence de lacunes d’alignement (communément appelés indels) qui indiquent une région structurelle présente dans la cible, mais pas dans le modèle, ou vice-versa. L’approche peut aussi être compliquée par des lacunes structurales dans la protéine modèle. Celle-ci peut être due à une trop faible résolution de la procédure expérimentale (habituellement la cristallographie aux rayons X) qui a été utilisée pour résoudre cette structure.
Les erreurs de modélisation sont significativement plus élevées dans les régions de coude (un coude est un élément de la structure secondaire des protéines caractérisé par un changement de direction de la chaîne polypeptidique), où les séquences d’acides aminés de la protéine cible et celles du modèle peuvent être complètement différentes.
Il est important de créer un modèle précis de cette région, parce que la fonction des protéines est déterminée par leur forme et les propriétés physico-chimiques de la surface exposée et que justement, un coude est une région où un changement conformationnel majeur a lieu. Comme les coudes ont des séquences très variables au sein même d’un motif structurel donné, les coudes correspondent souvent à des régions non alignées en alignements de séquences. Ce sont donc des régions où l'intuition motivant la modélisation par homologie, est inapplicable.
L’étendue de l’inexactitude de modélisation augmente avec le nombre d’acides aminés dans le coude. Les angles dièdres du coude des aminoacides côté chaînes sont souvent approchés au moyen d’une bibliothèque de rotamère, mais cela peut aggraver l’inexactitude de la chaîne latérale dans le modèle global.
Les erreurs de modélisation dans les chaînes latérales (une chaîne latérale est une partie de molécule rattachée au cœur ou à la chaîne principale de la structure) augmentent aussi quand la similarité diminue.
Ces différentes erreurs de positions atomiques sont cumulatives et font obstacle à l’utilisation de modèles d’homologie à des fins qui requièrent des données ayant une précision de niveau atomique, tels que les prédictions des effets médicamenteux.
Protéine multimérique
De même la structure quaternaire d’une protéine peut être difficile à prédire à partir de modèles d’homologie de ses sous-ensembles de chaînes protéiques.
La structure quaternaire d'une protéine multimérique est la manière dont sont agencées les différentes chaînes protéiques, ou sous-unités, à l'état natif les unes par rapport aux autres. Ce qualificatif ne s'applique qu'aux protéines multimériques, c'est-à-dire contenant plusieurs sous-unités. Ainsi on distingue les dimères (deux sous-unités), les trimères (trois sous-unités), les tétramères (quatre sous-unités), etc.
De manière générale, la structure quaternaire confère à la protéine sa fonction, mais il existe des exemples de protéines actives en dehors de leur complexe quaternaire. L'agencement des sous-unités peut conférer au complexe quaternaire un axe ou point de symétrie, mais ce n'est pas nécessaire.
Le principal élément de stabilisation des structures quaternaires est l'effet hydrophobe entre les acides aminés non polaires : les parties hydrophobes des monomères s'agglutinent de manière à minimiser leur surface exposée au solvant (effet entropique moteur de l'effet hydrophobe).
Néanmoins, la modélisation par homologie peut être utile pour parvenir à des conclusions qualitatives sur la biochimie de la séquence d’acides aminés recherchée, surtout dans la formulation d'hypothèses sur les raisons pour lesquelles certains résidus sont conservés, ce qui peut conduire à d’autres expériences pour tester ces hypothèses.
Par exemple, la disposition spatiale des résidus conservés pourrait suggérer qu’un résidu particulier est conservé pour stabiliser le pliage, pour participer dans certaines petites molécules de liaison, ou pour favoriser la liaison avec un autre des protéines ou des acides nucléiques.
La modélisation par homologie peut produire des modèles structuraux de qualité lorsque la cible et le modèle sont étroitement liés.
Motivation
L’optimisation de la vitesse et de la précision de la modélisation à grande échelle de structures de protéines est un élément clé des initiatives de la génomique structurale, en partie parce que le volume de données est, d'une part trop grand pour être traité manuellement et d'autre part parce qu'il est essentiel de fournir des modèles de qualité raisonnable aux chercheurs qui ont ces besoins mais qui ne sont pas eux-mêmes experts de la prédiction de structure protéique, par exemple les chercheurs élaborant de nouveaux médicaments.
Parce qu'il est fastidieux d’obtenir des informations sur la structure d'une protéine à partir de méthodes expérimentales telles que la cristallographie aux rayons x et la NMR protéique, la modélisation par homologie peut fournir des modèles structurels utiles pour générer rapidement des hypothèses sur la fonction de protéines et affiner des expérimentations.
La spectroscopie par résonance magnétique nucléaire des protéines (habituellement abrégée par NMR) est un domaine de la biologie structurale dans laquelle la spectroscopie RMN est utilisée pour obtenir des informations sur la structure et la dynamique de protéines, les acides nucléiques et leurs complexes.
Il y a cependant des exceptions à l'intuition que les protéines partageant une similitude des séquence d’acides aminés significative, partagent aussi une conformation 3D conformérie. Cependant, tel un réarrangement structural massif est peu probable au cours de l’évolution, surtout que la protéine est généralement sous la contrainte qu’il lui faut se replier correctement et exercer sa fonction dans la cellule. Par conséquent, la structure grossièrement repliée d’une protéine (sa «topologie») est plus conservée que sa séquence d’acides aminés et beaucoup mieux conservée que la séquence d’acides aminés d’ADN correspondante ;
Étapes de la production de modèles
La procédure de modélisation par homologie peut être décomposée en quatre étapes successives : la sélection de la ou des protéines modèle, l’alignement de la protéine cible et protéine modèle, la modélisation l’évaluation du modèle.
Les deux premières étapes sont souvent fusionnées, car les méthodes les plus courantes d’identification de modèles dépendent de la production des alignements de séquences d’acides aminés. Ces processus peuvent être effectués par itération afin d’améliorer la qualité du modèle final.
Sélection de l’alignement de la séquence d’acides aminés et du modèle
La méthode la plus simple d’identification de la protéine modèle repose sur l’alignement de séquence d’acides aminés par paires série avec l’aide de techniques de recherche de base de données tels que FASTA et BLAST. Des méthodes plus sensibles basées sur des alignements de séquences d’acides aminés multiples – dont PSI-BLAST est l’exemple le plus courant – mettent itérativement à jour leur matrice de notation de position matrice de similarité spécifique pour identifier successivement les protéines homologues connexes les plus lointaines.
Cette famille de méthodes permet d'identifier d'excellents modèles pour la séquence d’acides aminés de la protéine cible.
La méthode par enfilage de protéine, est également utilisable comme une technique de recherche pour identifier les modèles à utiliser dans les méthodes traditionnelles de modélisation par homologie. Des expériences récentes de CASP indiquent que certaines méthodes d’enfilage de protéines telles que RaptorX sont en effet plus sensibles que les méthodes basées sur la similitude des séquences d’acides aminés.
Lorsqu’une recherche BLAST est effectuée, une première approche est d’identifier les hits qui sont considérés comme suffisamment proches en évolution pour faire un modèle fiable d’homologie. D'autres facteurs peuvent faire pencher la balance dans certains cas marginaux ; par exemple, le modèle peut avoir une fonction similaire à celle de la séquence d’acides aminés recherchée, où il peut appartenir à un opéron homologue.
Souvent, plusieurs modèles candidats sont identifiés par ces approches. Bien que certaines méthodes peuvent générer des modèles hybrides avec une meilleure précision à partir de plusieurs modèles, la plupart des méthodes s’appuient sur un modèle unique. Par conséquent, choisir le meilleur modèle parmi les candidats est une étape clé. Ce choix est guidé par plusieurs facteurs, tels que la similarité des séquence d’acides aminés recherchée, du modèle et de leurs fonctions, la requête prévue et l’observation des structures secondaires du modèle.
La couverture des régions alignées est peut-être plus importante encore, la fraction de la structure de séquence d’acides aminés recherchée qui peut être prédite par le modèle et la vraisemblance du modèle qui en résulte. Ainsi, parfois plusieurs modèles d’homologie sont produits pour une séquence d’acides aminés unique, le candidat le plus probable sera choisi uniquement dans la dernière étape.
Cependant, des approches plus sophistiquées ont également été explorées. Par exemple un ensemble d’alignements par paires entre la séquence d’acides aminés cible et un seul modèle identifié est défini de manière stochastique comme un moyen d’explorer un « espace d’alignement » dans les régions de séquence d’acides aminés avec faible similitude locale.