Caractérisation et classification des sites de liaison : vers un modèle de prédiction du partenaire de l'interaction

par Stéphanie Perot

Thèse de doctorat en Bio-informatique

Sous la direction de Anne-Claude Camproux.

Soutenue en 2011

à Paris 7 .


  • Résumé

    Les sites de liaison, ou poches, sont à l'heure actuelle une des principales cibles des projets de découverte de médicaments, à l'intersection entre plusieurs champs de recherche, depuis la biologie structurale à la modélisation mathématique. L'objectif de mon travail de thèse a été de proposer une classification des poches au travers des appariements poche-ligand, classification qui pourrait permettre de proposer des processus de criblage virtuel poche-spécifiques. Après avoir défini et caractérisé les poches, et notamment la classe des poches dites druggables, nous avons mis en évidence cinq profils de poches auxquels correspondent cinq profils de ligands. Nous avons pu voir qu'un de ces cinq profils correspondait plus particulièrement aux poches druggables. Cette classification nous a amené à développer une méthode de prédiction du partenaire de l'interaction aux taux prometteurs. Cette méthode pourrait permettre, à partir d'une poche donnée, de déterminer le profil d'un ligand potentiel, et réciproquement, à partir d'un ligand donné, de caractériser le profil d'une poche potentielle.

  • Titre traduit

    Characterization and classification of binding pockets : towards a predictive model of the binding partner


  • Résumé

    Pockets are today at the cornerstones of modem drug discovery projects and at the crossroad of several research fields, from structural biology to mathematical modeling. The goal of my PHD thesis has been to propose a pocket classification based on pocket ligand pairs. This classification could help in the development of pocket-specific virtual screening processes. We have first defined and characterized pockets and in particular druggable pockets. Then we have proposed a five-clusters pocket-ligand pairs classification which reveals five profiles of pockets corresponding to five profiles of ligands. We have seen that one of this profile contains more particularly druggable pockets. This classification have provided a basis to develop a binding partner prediction model, which show promising rates. This method could predict several ligand properties critical for binding to a given pocket, and conversly, several pocket properties for a given ligand.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (130 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : 183 réf.

Où se trouve cette thèse ?