Modélisation statistique des interactions protéine-ligand : …stephanieperot.free.fr/Telechargements/Presentation_M2BI.pdf · 2011-03-20 · Université : Paris Diderot Laboratoire

Modélisation statistique des interactions

protéine-ligand : prédiction de la

« druggabilité » des poches.

Rapport de Stage

Présenté par : Stéphanie Pérot

Directeur de stage : Anne-Claude Camproux

Formation : Master 2 Recherche de Biologie Informatique

Responsable : Catherine Etchebest

Université : Paris Diderot

Laboratoire d'accueil : Équipe de Bioinformatique Génomique et Moléculaire

2

Poche druggable

Composé druglike

Introduction

Druggabilité : capacité à fixer (ou non) un médicament ou un composé « druglike »

Composé druglike : composé caractérisé par des propriétés physico-chimiques (masse

moléculaire < 500, donneurs de liaisons H < 5 ; accepteurs de liaisons H < 10 ...)

Poche druggable : fixation d'un composé druglike

Poche non-druggable : pas de fixation

Criblage virtuel : prédiction in silico de l'activité des molécules

3

Principe du criblage virtuel

Banque de petites molécules

Structures protéiques

Filtrage in silico (ADME)

Détermination des sites de liaison

Arrimage moléculaire et évaluation (docking-scoring)

Optimisation

Phases cliniques

4

Principe du criblage virtuel

Druggabilité : capacité à fixer (ou non) un médicament

Prédiction de la

druggabilité des

poches

Banque de petites molécules

Structures protéiques

Filtrage in silico (ADME)

Détermination des sites de liaison

Arrimage moléculaire et évaluation (docking-scoring)

Optimisation

Phases cliniques

5

But du stage

Comment distinguer les poches druggables des

poches non-druggables ?

Ou

Quels descripteurs contribuent de manière

significative à la druggabilité des poches ?

6

Jeux de données

Étude des 85 protéines du jeu de Astex [1]

- haute résolution < 2.50 Å

- fixation de médicaments ou de composés druglike

=> caractère « druggable »

[1] : Hartshorn et al. (2007) J. Med. Chem. 50:726741[2] : Hajduk et al. (2005) J. Med. Chem. 48:25182525

Étude des 37 protéines du jeu de Hajduk [2]

- haute résolution < 2.50 Å

- criblage de 10000 composés :

- soit pas de fixation

- soit fixation à très faible affinité

=> caractère « non-druggable » ?

1. Jeux de données 2. Descripteurs 3. Méthodes 4. Analyse 5. Descripteurs pertinents 6. Prédiction

7

Jeu de poches druggables

[1] : Le Guilloux, Schmidtke and Tuffery (2008) : to be published

Algorithme de détection des poches

fpocket [1]


2bsm

8

Jeu de poches druggables

Poche complémentaire

Poche surfacique Poche profonde


67 poches druggables

2bsm

9

Jeu de poches non-druggables

[1] : Huang et al. (2006) BMC Structural Biology 6:1929[2] : Brady et al. (2000) J. Comput. Aided Mol. Des. 14:383401


LIGSITEcsc [1]

fpocket

1aha

1aha

1aha

PASS [2]

10

Jeu de poches non-druggables

LIGSITEcsc [1]

[1] : Huang et al. (2006) BMC Structural Biology 6:1929[2] : Brady et al. (2000) J. Comput. Aided Mol. Des. 14:383401

fpocket


182 poches non-druggables

1aha

PASS [2]

1aha

1aha

11

Descripteurs calculés (exemples)

Descripteurs physico-chimiques

- Acides aminés et propriétés

- Atomes et propriétés

- Aire de la surface polaire et apolaire (PSA et APSA) [1]

PSA : atomes d'azote et d'oxygène

APSA : atomes de carbone et de soufre

- Charge totale

Descripteurs géométriques Descripteurs structuraux

- Volume approximé - Structures secondaires

- Indice de flexibilité - Alphabet structural

[1] : Hajduk et al. (2005) J. Med. Chem. 48:25182525


(Développés par des codes python)

12

Méthodes d'apprentissage

Étude des descripteurs

- Analyse en Composantes Principales (ACP)

- Analyse univariée

Prédiction de la druggabilité des poches

- Régression logistique (glm)

- Séparateurs à Vaste Marge (svm)

Évaluation des résultats

- Indicateurs : Sensibilité (Se) : capacité à prédire les poches druggables

Spécificité (Sp) : capacité à prédire les poches non-druggables

Erreur (Er) : fiabilité de la méthode de prédiction [1]

- Validation croisée


Exemple de svm

(Développées par des codes R)

[1] : Nayal et al. (2006) Proteins 63:892906

13

Analyse des descripteurs : ACP

Analyse en Composantes Principales

variabilité : 26,8 %

Projection des poches Projection des descripteurs


physico-chimiques géométriques structuraux

Poches druggables (67)Poches non-druggables (182)

14

Analyse univariée des descripteurs


1588 2625 0.85 0.98

0.008 0.040.18 0.21

moyennes moyennes

moyennes


15

12 Descripteurs :

Descripteurs pertinents



16

[1] & [2] [1] [1] [1][2]

NouveauTrès significatif

12 Descripteurs :

Descripteurs pertinents

[1] : Nayal et al. (2006) Proteins 63:892906[2] : Hajduk et al. (2005) J. Med. Chem. 48:25182525


- accord avec les études de druggabilité

- nouveaux descripteurs


17

Prédiction de la druggabilité


Taux de prédiction de la druggabilité des poches

Méthode Se (%) Sp (%) Er (%)

régression logistique 72,4 90,0 18,8

svm 75,4 91,7 16,4

18

Prédiction de la druggabilité

[1] : Nayal et al. (2006) Proteins 63:892906[2] : Hajduk et al. (2005) J. Med. Chem. 48:25182525[3] : Han et al. (2007) Drug Discov. Today 12:304313


Comparaison autres études

Nayal [1] : étude de la poche la plus druggable au sein d'une même protéine

88,9 % de poches druggables bien prédites

Hajduk [2] : quantification de la druggabilité des poches selon 3 classes

(faiblement / moyennement / hautement druggable)

77,0 (41,0) % des poches hautement (faiblement) druggables bien prédites

Han [3] : étude de la druggabilité des protéines à partir d'alignements de séquence et des svm

67,6 % des protéines druggables bien prédites

Taux de prédiction de la druggabilité des poches

Méthode Se (%) Sp (%) Er (%)

régression logistique 72,4 90,0 18,8

svm 75,4 91,7 16,4

19

Conclusion-Perspectives

Bilan

Court terme

Long terme

- Détermination de descripteurs pertinents, notamment la proportion de soufre

en surface (nouveau)

- Mise en place d'une fonction de score performante en terme de taux de

prédiction (poches druggables bien prédites à 72,4%)

- Approfondir les descripteurs d'intérêt (atomes, flexibilité ...)

- Mettre en place d'autres descripteurs (rugosité, compacité, inertie ...)

- Augmenter le nombre de poches druggables et non-druggables

- Quantifier l'incertitude sur les poches non-druggables (em)

- Déterminer différents types de poche en fonction de la nature du composé

médicamenteux

- Rechercher les descripteurs pertinents de chaque type de poche

20

Je vous remercie de votre attention ...

21

Principe des sphères-alpha

22

Descripteurs calculés

23

Descripteurs calculés

24

Indicateurs de validation

25

Descripteurs de la fonction de score

26

Prédiction

27

Définitions

Méthode ADME-Tox : prédiction préliminaire du comportement in vivo d'un composé afin

de tester sa capacité à être un médicament

ADME-Tox : Absorption – Distribution – Métabolisme – Excrétion – Toxicité

Docking (arrimage) : placement des petites molécules dans la poche du récepteur

Scoring : évaluation (score) puis classement des ligands potentiels sur la base d'un score

ou d'énergie d'interaction protéine-ligand.

28

Définitions

Composé druglike : Un composé druglike se caractérise en termes de propriétés physico-

chimiques, d'absorption intestinale, de stabilité/réactivité ou encore d'interaction avec

les mécanismes de régulation cellulaire. Généralement, un tel composé vérifie les règles

de Lipinski [1] qui sont nécessaires mais pas suffisantes : coefficient de partage octanol/

eau ou log(P) calculé < 5 ; masse moléculaire < 500 ; donneurs de liaisons hydrogènes

< 5 ; accepteurs de liaisons hydrogènes < 10

[1] : Lipinski et al. (2001) Adv. Drug. Deliv. Rev. 46:326

29

Diagramme de Venn

Documents

Modélisation statistique des interactions protéine-ligand : …stephanieperot.free.fr/Telechargements/Presentation_M2BI.pdf · 2011-03-20 · Université : Paris Diderot Laboratoire