Prédire les séquences protéiques du SRAS-CoV-2

La fonction des protéines dépend étroitement de leur structure et est très sensible à un environnement ambiant. Il est crucial d’avoir une caractérisation biophysique complète des protéines, en particulier dans les efforts de chasse aux médicaments.

Prédictions pour les acides aminés de la protéine P0DTC9 SARS-CoV-2. Crédit d’image: bioRxiv

Le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2), l’agent causal de la maladie à coronavirus 2019 (COVID-19), consiste en un assemblage de protéines qui déterminent son comportement infectieux et immunologique. Ces protéines déterminent leur réponse aux thérapeutiques.

Toutes les protéines ou régions du SRAS-CoV-2 n’ont pas une structure tridimensionnelle bien définie. De nombreuses protéines présentent un comportement dynamique ambigu qui n’est pas évident à partir des représentations de structures statiques générées par des approches de biologie structurale ou des simulations de dynamique moléculaire utilisant ces structures.

Pour identifier le comportement ou les caractéristiques de ces protéines qui pourraient ne pas être capturés par des approches de biologie structurale ou de dynamique moléculaire, Luciano Kagami et coll. fournissent des prédictions basées sur la séquence protéique de la dynamique du squelette et de la chaîne latérale et des propensions conformationnelles de ces protéines, ainsi que des propensions dérivées de repliement précoce, de désordre, d’agrégation de feuille B et d’interaction protéine-protéine. Ils présentent un site Internet (http://sars2.bio2byte.be/) qui fournit ces informations aux chercheurs.

Le site Web est approuvé en tant que service émergent ELIXIR-Belgium en 2020. Les informations du site Web ont été visualisées en ligne à l’aide du framework Django, avec la bibliothèque JavaScript ApexCharts utilisée pour la visualisation des prédictions et leur distribution MSA. Ce travail a reçu un financement de la recherche Horizon 2020 de l’Union européenne et du programme d’innovation au titre de la bourse Marie Skłodowska-Curie. Il a été récemment publié sur le serveur de pré-impression bioRxiv *.

Ils ont ciblé les séquences d’acides aminés des 14 protéines, obtenant les alignements de séquences multiples (MSA) pour ces séquences en utilisant une recherche BLAST d’UniProt et en appliquant les paramètres par défaut à l’ensemble de données protéiques Uniref90. Ils ont suivi cela par la procédure d’alignement standard UniProt ClustalW pour obtenir le MSA.

Les auteurs prédisent la dynamique du squelette (DynaMine) et la dynamique des chaînes latérales et les propensions conformationnelles associées au niveau des acides aminés individuels. L’étude comprenait un repliement précoce (EFoldMine), un trouble (DisoMine), une agrégation de feuillets bêta (Agmata), des interactions protéine-protéine (SeRenDIP) et des propensions d’épitopes conformationnels SeRenDIP-CE. Une description détaillée de chaque prédiction par protéine est disponible sur leur site Web.

Dans cette étude, les prédictions tentent de capturer les propriétés «émergentes» des protéines sur la base des propensions biophysiques inhérentes codées dans la séquence. Cette approche a ses avantages par rapport au comportement dépendant du contexte (tel que l’état replié final). Par exemple, les auteurs montrent comment ils détectent les homologues éloignés de la protéine SARS-CoV-2 par similitude biophysique, donnant des résultats plus précis que l’utilisation directe d’informations sur les acides aminés.

Les auteurs montrent les variations biophysiques observées dans les protéines homologues du SARS-CoV-2. L’étude indique les limites probables du comportement biophysique fonctionnel des protéines.

Luciano Kagami et coll. présente des prédictions pour la protéine P0DTC9 – une nucléoprotéine de 419 acides aminés avec des formes monomères et oligomères qui interagissent avec l’ARN et la protéine M et NSP3. Ces interactions sont essentielles au stade précoce de l’infection.

Une description détaillée des larges propensions pour cette protéine est donnée. Les auteurs discutent également des prédictions pour une région où il n’y a pas d’informations structurelles ou fonctionnelles disponibles. Il est important de noter que cette étude fournit l’essentiel des prévisions biophysiques pour une protéine à l’étude, qui peut être utilisée pour d’autres applications diverses.

Par conséquent, les auteurs fournissent aux chercheurs des informations sur leur site Web sur les comportements possibles des protéines du SRAS-CoV-2 qui ne sont pas évidents à partir des modèles statiques générés par la biologie structurale ni des simulations de dynamique moléculaire basées sur des modèles.

Ces prédictions reflètent des propriétés «émergentes» basées sur la séquence. Une perspective différente explorant les protéines du SRAS-CoV-2 est à la disposition des chercheurs. Cette étude devrait nous aider à mieux comprendre le mode d’action du virus global, écrivent les auteurs.

*Avis important

bioRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, orienter la pratique clinique / les comportements liés à la santé ou être traités comme des informations établies.