A multi-layer computational framework for structural prioritization of transcriptome-derived proteins

Dans la vaste bibliothèque de la vie, chaque cellule porte un ensemble d'instructions écrites dans un code appelé ARN. Ces instructions indiquent à la cellule comment construire des protéines, les machines moléculaires qui accomplissent presque toutes les tâches nécessaires à la survie et au fonctionnement d'un organisme. Pendant des décennies, les scientifiques ont pu lire ces instructions avec une vitesse incroyable, générant des listes massives de séquences protéiques provenant de plantes, d'animaux et de microbes. Cependant, connaître la séquence de lettres d'une protéine n'est que le début. Pour comprendre ce qu'une protéine fait réellement, les chercheurs doivent voir sa forme tridimensionnelle. La forme d'une protéine détermine sa fonction, tout comme la forme d'une clé détermine quel verrou elle peut ouvrir. Le défi est que, si les ordinateurs peuvent désormais lire des millions d'instructions génétiques, prédire les formes repliées complexes des protéines résultantes reste un goulot d'étranglement difficile. Sans ces formes, il est presque impossible de savoir quelles protéines pourraient interagir avec des cibles spécifiques dans le corps, telles que les molécules de signalisation qui pilotent l'inflammation.

C'est ici qu'une nouvelle étude intervient, offrant un moyen systématique de naviguer dans cette montagne de données. Des chercheurs de l'Université Fédérale de ABC au Brésil ont développé un cadre computationnel multicouche conçu pour passer au crible des milliers de protéines candidates et identifier les plus prometteuses pour des études ultérieures. Ils se sont concentrés sur le Cereus jamacaru, un cactus originaire du biome de la Caatinga brésilienne, connu pour ses propriétés anti-inflammatoires potentielles. Alors que les recherches précédentes sur cette plante s'étaient principalement concentrées sur de petits composés chimiques, cette équipe voulait explorer les protéines cachées dans son code génétique. Leur objectif n'était pas de prouver que ces protéines végétales guérissent directement les maladies, mais de créer une méthode fiable, étape par étape, pour trouver des candidats protéiques structurellement solides qui pourraient interagir avec les signaux inflammatoires humains. En combinant plusieurs techniques informatiques différentes, ils ont réussi à réduire une liste de plus de 129 000 protéines traduites à seulement neuf candidats de haute confiance, démontrant une stratégie évolutive qui pourrait être appliquée aux données génétiques de n'importe quel organisme.

Le voyage a commencé avec un ensemble de données massif contenant 129 052 séquences protéiques dérivées de la racine et de l'épiderme du cactus. Pour donner un sens à ce nombre écrasant, les chercheurs ont d'abord appliqué un filtre large basé sur des structures connues. Ils ont comparé les protéines du cactus à une base de données de formes protéiques déterminées expérimentalement, ne conservant que celles qui partageaient plus de la moitié de leur séquence avec une structure connue. Cette étape initiale a réduit le groupe à environ 14 800 candidats. Ils ont ensuite utilisé un système de notation pour évaluer la qualité des formes prédites, écartant celles qui semblaient instables ou peu fiables. Ce processus a réduit la liste à environ 3 500 modèles structurels de haute qualité, créant un ensemble gérable de candidats pour une analyse plus approfondie.

Ensuite, l'équipe s'est tournée vers trois protéines humaines spécifiques connues sous le nom de cytokines : le facteur de nécrose tumoral alpha, l'interleukine-1 bêta et l'interférons alpha. Ces molécules sont des régulateurs centraux de la réponse inflammatoire de l'organisme et sont souvent impliquées dans des conditions comme la polyarthrite rhumatoïde. Les chercheurs voulaient voir si certaines des protéines du cactus pouvaient physiquement interagir avec ces cytokines humaines. Pour ce faire, ils ont employé une stratégie de docking en deux étapes. D'abord, ils ont utilisé une méthode de criblage rapide à corps rigide pour tester l'adéquation des 3 500 protéines du cactus contre les trois cytokines humaines. Cette étape a identifié un groupe plus restreint de protéines montrant des correspondances initiales prometteuses. Pour affiner ces résultats, ils ont utilisé une seconde méthode de docking plus flexible, permettant de légers mouvements dans les formes protéiques, imitant la façon dont les vraies molécules pourraient s'ajuster lorsqu'elles se rejoignent. En recherchant les protéines qui performaient bien dans les deux méthodes, les chercheurs ont identifié neuf candidats montrant systématiquement une forte compatibilité structurelle avec les cytokines humaines.

Avant de déclarer ces neuf protéines comme les grandes gagnantes, l'équipe les a soumises à une série de tests de validation rigoureux pour s'assurer que leurs découvertes n'étaient pas de simples artefacts informatiques. Ils ont d'abord affiné les formes de ces neuf protéines à l'aide d'un outil de prédiction hautement avancé appelé AlphaFold 3, qui a généré de nouveaux modèles de haute confiance pour confirmer que les structures initiales étaient précises. Ils ont ensuite analysé les points spécifiques où les protéines du cactus touchent les cytokines humaines. Ils ont compté le nombre de liaisons chimiques, telles que les liaisons hydrogène et les ponts salins, qui se forment à ces interfaces. Un nombre élevé de ces connexions suggère une interaction stable et serrée. De plus, ils ont vérifié si les parties des protéines du cactus impliquées dans ces interactions étaient évolutivement conservées, c'est-à-dire qu'elles étaient restées inchangées à travers des millions d'années d'évolution. Cette conservation indique souvent qu'une région spécifique d'une protéine est critique pour sa fonction ou sa stabilité, ajoutant une autre couche de confiance aux résultats.

Pour tester si ces interactions tiendraient dans des conditions réelles, les chercheurs ont effectué des simulations dynamiques. Ils ont placé les quatre paires de protéines les plus prometteuses dans un environnement virtuel rempli de molécules d'eau et ont simulé leur comportement au fil du temps. Ces simulations ont duré 100 nanosecondes chacune, répétées trois fois pour chaque paire afin de garantir la reproductibilité des résultats. L'objectif était de voir si les protéines resteraient liées ou si elles s'écarteraient à mesure qu'elles bougent et s'agitent. Les résultats ont montré que les interactions restaient stables tout au long des simulations. Les protéines ont maintenu leur forme et leurs points de connexion, même en se déplaçant dans l'eau virtuelle. Cette stabilité dynamique a confirmé que les interactions prédites n'étaient pas seulement des instantanés statiques, mais représentaient des complexes robustes et physiquement plausibles.

L'étude a également examiné de plus près ce que sont réellement ces neuf protéines prioritaires. Grâce à une analyse fonctionnelle, l'équipe a découvert qu'elles appartiennent à diverses familles d'enzymes et de protéines régulatrices, incluant les oxydoréductases et les protéines de liaison à l'ARN. Ce sont des composants typiques du métabolisme des plantes, impliqués dans des processus tels que la production d'énergie et la réponse au stress. Les chercheurs ont souligné que la sélection de ces protéines était entièrement dictée par leur compatibilité structurelle avec les cytokines humaines, et non par l'hypothèse qu'elles fonctionnent naturellement comme des médicaments humains. En fait, l'étude soutient explicitement l'idée que ces protéines végétales ne sont pas des équivalents fonctionnels directs des régulateurs de cytokines humains. Au contraire, les conclusions suggèrent que les formes tridimensionnelles de ces protéines végétales créent des surfaces capables de s'ajuster physiquement aux signaux inflammatoires humains, probablement en raison de principes partagés de géométrie et de chimie plutôt que d'une histoire biologique commune.

La valeur ultime de ce travail réside dans le cadre lui-même. Les chercheurs n'ont pas prétendu avoir découvert un nouveau médicament, mais plutôt une méthode fiable pour trouver des candidats. En intégrant de multiples couches de preuves — modélisation structurelle, approches de docking double, analyse évolutive et simulations dynamiques — ils ont créé un flux de travail qui réduit l'incertitude à chaque étape. Cette approche permet aux scientifiques de passer de jeux de données massifs et ingérables à une liste restreinte et organisée de cibles de haute confiance prêtes pour des tests expérimentaux. L'étude conclut que cette stratégie est transférable, ce qui signifie qu'elle peut être appliquée à n'importe quel transcriptome ou grand jeu de données protéiques pour identifier des candidats structurellement robustes. Elle offre une voie pratique pour la bioprospection, transformant le flot accablant de données génétiques en un ensemble ciblé d'hypothèses capables de guider les futures recherches biochimiques et les efforts d'ingénierie des protéines.