Innuendo — Design de protéines flexibles et estimation d'affinité de liaison

La conception in silico de protéines (CPD en Anglais) consiste à concevoir des protéines effectuant certaines tâches. Le cas des interactions non covalentes nécessite de designer des molécules ayant une affinité de liaison prescrite. Ce problème est très ardu en raison du nombre exponentiel de choix d’acides aminés, du rôle de la flexibilité moléculaire qui conditionne l’affinité et la spécificité des interactions, et de la difficulté à estimer l’affinité de façon fiable. En termes de méthodes, notre objectif est d’avancer l’état de l’art du CPD de molécules flexibles, sujet posant des questions géométriques difficiles dans des espaces de très grande dimension. Nos contributions méthodologiques seront de trois ordres. Primo, nous concevrons de nouveaux movesets (propositions dans la terminologie Monte Carlo) générant des conformations pour une protéine entière. Ces algorithmes s’appuieront sur une nouvelle paramétrisation de la géométrie du backbone basée sur les angles de torsion, et sur des contraintes associées aux chai^nes latérales. Secondo, nous développerons de nouveaux algorithmes pour estimer de façon fiable les fonctions de partition permettant de définir le Kd associé à l’affinité de liaison. Nous utiliserons pour cela nos movesets dans le contexte d’algorithmes etat-de-l’art pour le calcul de volumes et de densités d’états. Tertio, les deux contributions précédents seront combinées pour créer un nouveau canevas de design de protéines flexibles. Les nouveaux algorithmes permettront d’explorer un espace de designs plus grand, tout en réduisant le coût expérimental grâce à des estimations plus fiables. Ces algorithmes seront mis à la disposition de la communauté via la Structural Bioinformatics Library (http://sbl.inria.fr), qui propose à la fois des méthodes de bas niveau et des applications pour les biologistes et biophysiciens. Ces méthodes seront utilisées pour développer des molécules neutralisantes de haute affinité contre SARS-CoV-2 et SARS-CoV-1. Avec un nombre de décès estimé à 6.5 millions de personnes en trois ans, la crise du COVID-19 a mis en évidence la nécessité critique de mieux combattre ces virus respiratoires. Depuis 2020, plusieurs travaux ont développé des molécules visant à bloquer le spike de SARS-CoV-2 (anticorps monoclonaux, nanobodies, protéines artificielles). Cependant, leur limitation réside dans leur spectre relativement étroit leur inadéquation à reconnai^tre les nouveaux variants. Les méthodes développées dans le projet serviront à sélectionner des protéines artificielles (nommées aReps) reconnaissant le RBD (Receptor Binding Domain) d’un large spectre de sarbecovirus avec une haute affinité, et seront testés comme antiviraux dans un modèle animal d’infection, le hamster. Nous utiliserons comme point de départ des aReps que nous avons sélectionnées contre le SARS- CoV-2, présentant une affinité de l’ordre du nanomolaire pour le spike, capables de neutraliser une souche D614G SARS-CoV-2 et de protéger les hamsters. Nous déterminerons les structures cristallographiques et de cryo-EM de plusieurs complexes aReps neutralisants - RBD ou spike pour définir les résidus définissant les surfaces de liaison. En parallèle, nous mesurerons l’affinité entre nos aReps neutralisants et les RBD représentatifs de la diversité des sarbecovirus. Ces données seront utilisées comme outils de validation pour les algorithmes générés dans le projet pour les estimations d’affinité de liaison. Grâce à un cercle vertueux combinant des algorithmes état-de-l’art et des expériences de bi- ologie structurale (cryo-EM, cristallographie rayons X) et de biochimie (mesures d’affinité), nous développerons de nouvelles molécules ciblant les sarbecoviruses circulant, molécules par ailleurs peu sensibles aux mutations.