La modélisation d'une protéine par enfilage ou modélisation par reconnaissance des repliements est une technique utilisée pour modéliser des protéines dont on souhaite qu'elles présentent les mêmes coudes que des structures de protéines connues, mais qui ne possèdent pas de protéines homologues recensées dans la banque de données sur les protéines (PDB). Elle s'oppose donc à la méthode de prédiction de structure basée sur la modélisation par homologie. La modélisation par enfilage fonctionne en utilisant la connaissance statistique de la relation entre les structures déposées dans la PDB et la séquence de la protéine que l'on souhaite modéliser.
La prédiction est faite en enfilant (c'est-à-dire en plaçant, en alignant) chaque acide aminé dans la séquence cible vers une position dans la structure du modèle et en évaluant dans quelle mesure la cible s'adapte au modèle. Une fois que le modèle le mieux adapté est sélectionné, le modèle structurel de la séquence est construit en fonction de l'alignement sur le modèle choisi.
Une protéine est une structure très fine transversalement mais très longue. Cette structure est le plus souvent repliée sur elle-même pour occuper un espace minimum. L'enveloppe définie par cette structure n'est pas régulière, les interactions des divers champs font que certaines portions de la molécules seront cachées alors que d'autres resteront disponibles pour interagir avec d'autres molécules. Cette forme lui confère des propriétés biologiques additionnelles. Modéliser une protéine, consiste donc en grande partie à essayer de retrouver cette forme 3D. Un élément déterminant de la forme consiste dans ses coudes, c'est-à-dire les endroits où la molécule se replie dans une autre direction.
Si on veut inventer une nouvelle protéine, on va sans doute d'abord la définir à partir de ses acides aminés, cependant cela ne suffit pas, son activité biologique est largement définie par sa forme qui est aussi importante que sa composition biochimique.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
vignette|262x262px| Structure tridimensionnelle d'une protéine La bioinformatique structurale est la branche de la bio-informatique liée à l'analyse et à la prédiction de la structure tridimensionnelle des macromolécules biologiques telles que les protéines, l'ARN et l'ADN. Elle traite des généralisations sur les structures tridimensionnelles des macromolécules, telles que les comparaisons des repliements globaux et des motifs locaux, les principes du repliement moléculaire, l'évolution, les interactions de liaison et les relations structure/fonction, en travaillant à la fois à partir de structures résolues expérimentalement et de modèles informatiques.
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 »).
Structural alignment attempts to establish homology between two or more polymer structures based on their shape and three-dimensional conformation. This process is usually applied to protein tertiary structures but can also be used for large RNA molecules. In contrast to simple structural superposition, where at least some equivalent residues of the two structures are known, structural alignment requires no a priori knowledge of equivalent positions.
This course will describe methods underlying translational approaches from disease modeling and characterization to therapeutic applications. The presented techniques will be complemented by hands-on
This lecture presents ongoing work on how scientific questions can be tackled using machine learning. Machine learning enables extracting knowledge from data computationally and in an automatized way.
This advanced Bachelor/Master level course will cover fundamentals and approaches at the interface of biology, chemistry, engineering and computer science for diverse fields of synthetic biology. This
Explore l'analyse co-évolutionnaire des protéines, couvrant les fonctions protéiques, le pliage, les corrélations, le DCA et les outils de prédiction de la structure comme AlphaFold 2.
This study combined protein modeling methods to generate the prolamins' fractions as precise as possible. Hence, gliadins, zeins, kafirins, hordeins, secalins, avenins and oryzins were generated based on their characteristics and disulfide mapping. Finding ...
Elsevier Sci Ltd2024
,
The field of protein design has made remarkable progress over the past decade. Historically, the low reliability of purely structure-based design methods limited their application, but recent strategies that combine structure-based and sequence-based calcu ...
Nature Portfolio2024
, , ,
The data and scripts used to produce, analyze, and visualize the results of the manuscript Enzyme promiscuous profiles for protein sequence and reaction annotation by Homa MohammadiPeyhani, Anastasia Sveshnikova, Ljubisa Miskovic, and Vassily Hatzimanikati ...