Expansions Polynomiales de Structures de Protéines et Interactions – PEPSI

Développer des moyens efficaces de représenter et de manipuler les structures tridimensionnelles (3D) de molécules de protéines et de calculer de manière fiable comment de grandes protéines interagissent sont des défis majeurs en biologie computationnelle. Développer de nouveaux algorithmes qui peuvent aider à déterminer expérimentalement des structures de protéines et à prédire le principe de l'interaction des protéines au niveau structurel pourrait offrir d'immenses avantages scientifiques et thérapeutiques. Actuellement, les techniques expérimentales à haut débit peuvent identifier des interactions protéine-protéine à l'échelle génomique, mais le fonctionnement des interactions dans ces composants cellulaires au niveau moléculaire reste extrêmement difficile de comprendre. C'est pourquoi les scientifiques biologiques se retrouvent face à la nécessité de comparer et d'analyser les structures 3D de dizaines de milliers de molécules protéiques et de calculer des centaines de milliers d'interactions de protéines comme une activité de routine. Nous croyons que la meilleure façon de relever ces défis est de mieux exploiter les propriétés mathématiques spécifiques des fonctions spéciales classiques et à étendre ces approches à l'aide de nouveaux développements tels que les fonctions propres de Laplace-Beltrami qui ont récemment émergé dans le domaine de la géométrie algorithmique.

S'appuyant sur des projets récents précédemment financés l'ANR, ce projet de quatre ans réunira deux équipes d'experts en calcul de l'INRIA Grenoble et l'INRIA Nancy avec un groupe d'experts en détermination expérimentale de structures de protéines de l'Institut Jean-Pierre Ebel de Biologie Structurale en vue de développer de nouvelles techniques algorithmiques pour la bioinformatique structurale, et de les appliquer dans les projets actuels de la recherche en biologie structurale. Bien qu'il existe plusieurs aspects théoriques de ce projet, l'objectif principal est de développer de nouveaux outils et algorithmes qui seront utiles à de nombreux scientifiques travaillant en biologie, en médecine et en pharmacologie. Cependant, les techniques mathématiques qui seront développées seront assez génériques, et pourraient être utiles dans de nombreux domaines qui exigent la reconnaissance et la recherche d'objets 3D comme l'imagerie médicale, le criblage virtuel de médicaments, et la reconnaissance 3D de visages, par exemple. Par conséquent, la capacité à identifier de nouvelles interactions protéine-protéine et d'effectuer des corrélations rapides et précises de formes protéiques et d'autres propriétés pourraient avoir une valeur importante pour l'industrie pharmaceutique et au-delà.