Le projet est suspendu. Le responsable de Predictor@home va embaucher une vingtaine de chercheurs qui auront pour objectif de proposer des idées innovantes dans le domaine du repliement des protéine. Ensuite, il faudra écrire une nouvelle application.
Cette phase de recherche devrait durer entre 12 et 24 mois.
Amélioration des méthodes de prédictions des formes repliées et fonctionnelles des protéines. La prévision est menée soit sans connaitre la structure détaillée, soit par analogie avec des protéines déjà connues. Le but étant de comprendre le processus de repliement (ayant lieu dans la nature) à partir d’une chaîne de protéine non pliée.
URL du projet : http://predictor.chem.lsa.umich.edu/
Plate-forme : Linux; Linux 64, Mac, Windows
|
Liens du Projet
|
L'Alliance Francophone |
Statistiques
|
Résultats
|
|
|
Les Résultats :
Domaine Publique
Les protéines analysées
Source : site de ProteinPredictor@Home
Le but à court terme de Predictor@Home est d'examiner de nouveaux algorithmes et de nouvelles méthodes de prédiction de la structures des protéines. Dans un avenir proche nous calibrerons les méthodes de P@H à l'aide d'un ensemble de structures connues. À plus long terme nous espérons ouvrir Predictor@Home à la communauté en tant que ressource pour aider dans la prévision de structure de protéine.
Sommaire :
- Qu'est ce que ProteinPredictor@Home ?
- Pourquoi la prédiction de structures de protéines ?
- Comment se déroule la prédiction ?
- En quoi consiste notre travail de prédiction ?
- Pourquoi / en quoi ProteinPredictor@Home est différent de Folding@Home, sachant que les deux projets semblent avoir les mêmes objectifs ?
Qu'est ce que ProteinPredictor@Home ?
ProteinPredictor@home est une expérience de calcul partagé dont le but est de prévoir la structure d'une protéine à partir de la séquence de cette protéine.
Le but de ce travail est d'essayer d'évaluer les nouveaux algorithmes et les méthodes d'évaluation des structures de protéines.
Nous avons récement procédé à de tels tests dans le cadre de la sixième expérience bisannuelle de CASP (Critical Assessment of Techniques for Protein Structure Prediction) et nous avons besoin à présent de poursuivre ces développements et ces tests de l'application sur des cibles biologiques réels.
Notre objectif est d'utiliser cette approche et l'énorme puissance de calcul de BOINC pour résoudre des problèmes associés aux maladies liées aux protéines.
Pourquoi
la prédiction de structures de protéines ?
La mise en relation de la structure de la protéine (la disposition
tridimensionnelle des fonctions chimiques comporte 20 acides
aminés naturels qui forment la base de tout processus
chimique dans un organisme vivant) et de la
séquence de la protéine (l'expression unidimensionnelle
de la diversité chimique dans l'organisation
moléculaire que la nature exprime dans les gènes
composant le génome) est un des plus grands
défis actuel pour les physiciens, les chimistes, les
biologistes et les informaticiens.
Ce défi est particulièrement crucial suite
à nos avancées récentes dans l'analyse
des gènes de la totalité de l'organisme, y
compris le génome humain, pour identifier, les relations de
ces gènes qui commandent des processus cellulaires et les
réseaux cellulaires, ainsi que le lien entre la structure
tridimensionnelle d'une protéine et sa fonction biochimique.
Les chercheurs ont accompli des progrès significatifs en
répondant à ce défi par le
développement des théories fondamentales qui
décrivent le rapport entre la diversité chimique
des séquences de protéine et la fonction
énergétique dictée par cette
diversité.
La théorie de la fonction énergétique
fournit un cadre non seulement pour la rationalisation et la
prédiction/suggestion d’expériences
nouvelles et existantes mais aussi pour le développement
d’algorithmes informatiques destinés à
prévoir la structure de protéines inconnues en se
basant uniquement sur leur séquence.
Cette action, appelée prédiction de structures de
protéines, est à présent un domaine de
recherche très actif réunissant des chercheurs de
plusieurs horizons allant de la physique à
l’informatique en passant par la biologie.
L’objectif de cette activité est de
développer, tester et appliquer des méthodes pour
relier directement les séquences de protéines
à leurs représentations tridimensionnelles.
Comment
se déroule la prédiction ?
La prévision de structures de protéines
s’est répandue dans toute la communauté
des chercheurs en biophysique, cependant, le travail dans ce secteur
est très complexe et gourmand en ressources informatiques.
Dans un effort pour aider le développement,
l'évaluation des progrès, et l'examen critique de
ce domaine, une action connue sous le nom d' «
évaluation critique des techniques pour la
prévision de structures de protéines »
(CASP) a été lancée il y a environ
douze ans.
Le but de cette action était de fournir des objectifs sur
une base bisannuelle pour la prévision en aveugle de
structures de protéines à la
communauté des « prédicteurs
», et de servir de plateforme tant pour la revue de la
communauté que pour la discussion sur les
avancées dans les méthodes de
prédiction de structures.
Nous entamons à présent le 6e exercice bisannuel
CASP et beaucoup d’entre nous, qui travaillons dans ce
domaine, considèrent cela comme une compétition
pour promouvoir nos meilleures méthodes de
prédiction et nos travaux. Cette compétition
implique généralement 3 à 4 mois
d’effort mental (et électronique) intensif pendant
l'été (mai à septembre) pour peaufiner
des prévisions pour 50 à 70 structures de
protéines inconnues
Les résultats des prédicteurs sont
analysés en automne, les structures sont publiées
et les prédictions sont évaluées lors
de la réunion de CASP qui suit la "saison de
prédiction".
En
quoi consiste notre travail de prédiction ?
Nous avons réuni une équipe de scientifiques pour
explorer les différents aspects de la prédiction
de structures de protéines pour les deux CASP
précédents et à nouveau pour les
expérimentations en cours. Dans le passé, nous
avons axé nos efforts sur l’algorithmie et/ou les
questions scientifiques soulevées par la
prédiction de structures de protéines et nous
avons orienté nos efforts vers des tests
d’hypothèses à propos de la nature des
problème de prédiction. L’un des
thèmes récurrents lors de nos essais a
été l’importance de la
modélisation informatique des configurations de
protéines pour prévoir la strcture la plus
appropriée ( c'est à dire la plus fonctionnelles)
Pendant cette “saison CASP”, nous avons pour
objectif de nous occuper de simulations de conformation, et, avec
l’amélioration de nos méthodes, de nos
algorithmes précédents et de l’ordre de
grandeur de la puissance de calcul disponible, nous pourrons
améliorer de manière significative notre
capacité à prédire des structures de
protéines.
Pour atteindre cet objectif nous avons assemblé un
« supercalculateur de prédiction de structure
» basé sur la plateforme BOINC :
ProteinPredictor@Home. Nous avons besoin de votre participation.
Pourquoi / en quoi ProteinPredictor@Home
est différent de Folding@Home, sachant que les deux projets
semblent avoir les mêmes objectifs ?
La prédiction de structures de protéines
(Predictor) part d’une séquence d’acides
aminés et tente de prédire la forme
repliée et fonctionnelle de la protéine, soit
sans en connaître la structure
détaillée, soit par analogie avec des
protéines déjà connues.
Dans le cas du pliage (Folding), on effectue une recherche en aveugle
basée uniquement sur la séquence. La
modélisation identifie en premier lieu et par analogie des
protéines dont la structure et certains parties de la
séquence sont identiques à la nouvelle
protéine recherchée, puis ils construisent une
prédiction de celle-ci par analogie.
Les deux approches utilisent des techniques d’optimisation
à plusieurs niveaux pour identifier la
modélisation de la structure la plus approprié et
se qui se prête le mieux au calcul distribué.
Predictor@Home est le premier projet de ce type à utiliser
le calcul distribué pour ce type de prédiction de
structure. La prédiction de la structure d’une
protéine inconnue est un problème majeur dans la
validation de médicaments basés sur ces
structures, conçus pour le traitement de maladies nouvelles
et existantes.
Les études de repliement de protéines et la
caractérisation du processus de repliement sont
basés sur les connaissances de la structure finale de la
protéine repliée (dans la nature) et permettent
de comprendre le processus de repliement à partir
d’une chaîne de protéine non
pliée. On termine ces études par des comparaisons
entre protéines natives (dans la nature).
L'analyse du processus de repliement permet à des
théories sur le pliage de protéines
d’établir des rapports directs avec les mesures
expérimentales de ce processus.
Le projet Folding@Home a été un pionnier dans
l’utilisation du calcul distribué pour
l’étude du repliement. La compréhension
du processus de repliement permet de découvrir
l’origine de maladies qui découlent de
problèmes lors du repliement de protéines, comme
la maladie d’Alzheimer ou celle de la vache folle.
Les deux approches explorent les structures et le repliement et leurs
buts sont complémentaires.