Predictor@Home

Détails
 

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.

INSCRIPTION

Télécharger Boinc (tutorial)

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

    Les Buts

    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 ?



    Image

    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".

Image


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.