2019 : Une protéine hyper-stable qui s’auto-assemble conçue par des méthodes de raisonnement automatique en IA

L’objectif de l’Intelligence Artificielle (IA) est de permettre à un ordinateur de (mieux) résoudre les problèmes traités par les humains. À Toulouse, le prouveur « toulbar2 », un outil de raisonnement automatique Open Source développé dans le laboratoire INRA de Mathématiques et Informatique Appliquées, a été utilisé en bioinformatique pour concevoir une protéine hyper-stable qui s’assemble seule à partir de plusieurs unités élémentaires. C’est le résultat d’un travail impliquant le laboratoire Mathématiques et Informatique Appliquées de Toulouse (MIAT), en collaboration avec la Belgique et le Japon et qui s’appuie sur des développements réalisés en particulier avec l’INSA (Toulouse Biotechnology Institute).

Contexte et enjeux

Les rôles des protéines dans tout le spectre du vivant sont très nombreux : catalyse, signalisation, transport,… Si la catalogue de protéines naturelles existantes est large, il ne contient pas toujours la protéine qui a toutes les propriétés désirables. Il est cependant possible de concevoir de nouvelles protéines, aux propriétés ciblées, que ce soit pas une approche d’évolution dirigée (prix Nobel de Chimie 2018) ou par design rationnel, combinant propriétés physico-chimiques des molécules et information statistique extraite de données. En progrès rapide, le spectre d’application du design computationnel de protéines est potentiellement immense : bioénergie, chimie verte, nanotechnologie, santé, etc.

Résultats

Une protéine d’une quarantaine d’acides aminés a été conçue, en utilisant l’outil de raisonnement automatique « toulbar2 » en exploitant une forme de protéine cible et des propriétés physico-chimiques et statistiques fournies par le logiciel de modélisation moléculaire « Rosetta ». La protéine a été conçue pour que des copies, produites par une bactérie, se replient et s’assemblent automatiquement en une structure de bêta-propeller. La protéine obtenue est très stable, résistante aussi bien à des pH très faibles qu’a des températures élevées. Sur un seul cœur de calcul classique, le temps de calcul pour la conception d’une telle protéine reste de plus très minime.

## Perspectives

Du fait de l’efficacité et du caractère déterministe et garanti du calcul effectué par le prouveur, il devient possible d’intégrer plus d’information dans le design ou de viser des objectifs plus complexes que la seule construction d’une protéine « stable » : spécificité, voire affinité. La méthode de design est en cours d’application dans différents domaines de la bioéconomie.

Valorisation

Un logiciel de design de protéines est en cours de construction via un financement pré-compétitif du pôle « Toulouse White Biotechnologies ». Différentes applications sur des protéines d’intérêt médical ou biotechnologique sont en cours.

## Références bibliographiques

• Noguchi, H., Addy, C., Simoncini, D., Wouters, S., Mylemans, B., Van Meervelt, L., Schiex, T., Zhang, K.Y., Tame, J.R.H. and Voet, A.R.D., 2019.Computational design of symmetrical eight-bladedβ-propeller proteins. IUCrJ, 6(1). https://journals.iucr.org/m/issues/2019/01/00/jt5028/index.html
• https://doi.org/10.1107/S205225251801480X Allouche, D., André, I., Barbe, S., Davies, J., De Givry, S., Katsirelos, G., O’Sullivan, B., Prestwich, S., Schiex, T. and Traoré, S., 2014. Computational protein design as an optimization problem. Artificial Intelligence, 212, pp.59-79.
• https://www.sciencedirect.com/science/article/pii/S0004370214000332
• https://doi.org/10.1016/j.artint.2014.03.005 Simoncini, D., Allouche, D., de Givry, S., Delmas, C., Barbe, S. and Schiex, T., 2015. Guaranteed discrete energy optimization on large protein design problems. Journal of chemical theory and computation, 11(12), pp.5980-5989.
• https://pubs.acs.org/doi/abs/10.1021/acs.jctc.5b00594
• DOI: 10.1021/acs.jctc.5b00594