Bibliothèques de peptides et conception : comment fonctionnent le criblage et la prédiction ?

Une bibliothèque de peptides est un ensemble de différentes séquences peptidiques préparées ou présentées de manière à pouvoir être comparées systématiquement. Au lieu d'analyser une seule séquence sans point de référence plus large, les chercheurs peuvent utiliser la bibliothèque pour déterminer quels peptides se lient à une cible moléculaire spécifique, sont des substrats d'enzymes, déclenchent une réponse mesurable dans un test donné, contiennent un motif spécifique reconnu par d'autres molécules ou présentent une autre propriété définie.

Toutes les bibliothèques de peptides ne se valent pas. Elles peuvent se présenter sous forme de collections physiques de molécules synthétisées, de peptides présentés sur des supports biologiques, de peptides liés à des billes ou à des surfaces, ainsi que de collections entièrement virtuelles de séquences et de structures moléculaires analysées par ordinateur.

Chacun de ces formats répond à des questions scientifiques légèrement différentes.

Le peptide pour lequel un ordinateur a prédit une capacité de liaison à une protéine spécifique n'est pas le même que le peptide effectivement sélectionné lors d'un screening expérimental. De même, un peptide enrichi lors du criblage ne devient pas automatiquement un candidat biologique confirmé.

Les recherches utilisant le phage display, les bibliothèques synthétiques sur billes, les jeux de peptides chevuachants et les expériences assistées par des méthodes computationnelles démontrent l'un des principes fondamentaux de la découverte de peptides :

La découverte d'un signal intéressant amorce le processus de recherche, elle ne le conclut pas.

La force des conclusions finales dépend, entre autres, de :

• de la conception et de la qualité de la bibliothèque ;
• d'une diversité réelle et non seulement théorique;
• de la construction du test ;
• des contrôles appropriés;
• identification moléculaire;
• répétitivité;
• élimination des explications alternatives ;
• validation expérimentale indépendante. [1] [2] [3]

C'est pourquoi, lors de l'analyse des bibliothèques de peptides, il convient de distinguer plusieurs étapes successives :

construction de la chimiothèque → criblage → identification de touches → confirmation → caractérisation → prédiction ou optimisation → validation indépendante.

Chacune de ces étapes fournit un niveau de preuve différent.

Qu'est-ce qu'une bibliothèque de peptides ?

Ensemble ordonné de différents variants moléculaires

Une bibliothèque de peptides contient des séquences peptidiques apparentées ou diversifiées, organisées autour d'une question de recherche spécifique.

Certaines bibliothèques servent à étudier de petites modifications au sein d'un peptide connu. D'autres couvrent un espace beaucoup plus vaste de séquences possibles.

Les différents éléments de la bibliothèque peuvent différer en termes de :

• longueurs de peptide;
• de type d'acides aminés ;
• des positions des différents résidus ;
• ordre des acides aminés;
• groupe final;
• cyclisation;
• stéréochimie;
• modifications chimiques ;
• d'autres caractéristiques structurelles modifiées intentionnellement.

La bibliothèque doit également préserver la possibilité d'identifier l'élément intéressant.

Dans le cas d'une matrice peptidique, l'identité du peptide peut être liée à sa position physique.

Dans une banque de phage display, la séquence peptidique présentée est liée à l'information génétique contenue dans le bactériophage.

Dans une bibliothèque synthétique portée sur des billes, le peptide présent sur une bille sélectionnée peut nécessiter une identification chimique ou l'utilisation d'un système de codage supplémentaire.

Le lien entre le signal et l'identité de la molécule est fondamental.

Un signal expérimental fort provenant d'un mélange inconnu ne révèle pas encore quelle molécule l'a provoqué.

La valeur d'une bibliothèque de peptides dépend donc non seulement du nombre de candidats qu'elle contient, but aussi de la possibilité de relier :

candidat → identité → réponse mesurée.

Bibliothèques aléatoires, ciblées et systématiques

Différentes constructions de banques servent à répondre à différentes questions scientifiques.

Une bibliothèque aléatoire ou combinatoire comprend des combinaisons d'éléments constitutifs à des positions sélectionnées.

Le terme „ aléatoire ” décrit le mode prévu de construction ou d'échantillonnage. Il ne signifie pas que chaque séquence théoriquement possible se produit réellement avec la même fréquence.

Une bibliothèque ciblée réduit la variabilité autour de :

• d'un motif connu ;
• peptide de moelle osseuse;
• d'un squelette structurel spécifique ;
• de liaison séquentielle;
• de la région active;
• hypothèse concernant une cible moléculaire spécifique.

La bibliothèque de substitutions systématiques modifie de manière ordonnée les résidus sélectionnés.

Par exemple, un acide aminé à une position donnée peut être remplacé successivement par plusieurs autres acides aminés afin de vérifier si cette position influence la propriété étudiée.

Une bibliothèque de peptides chevauchants utilise des fragments successifs d'une séquence parente plus longue, les fragments adjacents partageant une partie de leurs résidus.

Cette approche est particulièrement utile lors de la localisation des régions de protéines reconnues dans un test spécifique.

Chaque stratégie a ses avantages et ses limites.

Une vaste bibliothèque combinatoire peut révéler un motif de séquence inattendu.

Une bibliothèque ciblée permet d'analyser plus précisément une séquence qui présente déjà de l'intérêt.

Les substitutions systématiques peuvent indiquer quelles positions semblent particulièrement importantes.

Une bibliothèque de fragments qui se chevauchent aide à localiser la région active ou reconnue d'une protéine plus grande.

Par conséquent :

Une plus grande plage de séquences ne signifie pas automatiquement une meilleure information expérimentale.

Le type de bibliothèque approprié dépend avant tout de la question de recherche.

La diversité théorique ne signifie pas une représentation réelle

L'espace des séquences peptidiques possibles croît très rapidement.

Si la bibliothèque autorise les 20 aminoacides standards à chacune des six positions, le nombre théorique de séquences possibles est :

20⁶ = 64 000 000 de combinaisons possibles.

C'est une diversité théorique.

Cela ne signifie pas pour autant que la bibliothèque physique contient réellement 64 millions de peptides différents et correctement représentés.

La diversité effective peut être réduite ou faussée, entre autres, par :

• échecs de synthèse;
• efficacité de couplage inégale;
• difficultés synthétiques dépendant de la séquence ;
• sélection biologique lors de la construction de la banque;
• limites de la transformation;
• différences de multiplication;
• séquences répétées;
• charges de séquençage;
• limites d'échantillonnage;
• effectifs inégaux des différents éléments.

La part de l'ensemble de la bibliothèque qui a effectivement été utilisée dans une expérience spécifique a également de l'importance.

Même si le pool contient théoriquement un nombre énorme de séquences, un seul criblage ne peut couvrir qu'une partie de cette diversité.

Le séquençage profond d'une bibliothèque de phages commerciale a révélé des écarts nets par rapport à une représentation uniforme, notamment des différences dans l'abondance des peptides et des biais liés à la composition des séquences. Les chercheurs ont également identifié des facteurs réduisant la taille effective de la bibliothèque. [4]

Ces résultats concernent spécifiquement la bibliothèque analysée et ne doivent pas être automatiquement extrapolés quantitativement à toutes les banques de display phagique.

Elles démontrent cependant une règle importante :

La diversité théorique ne doit pas être traitée comme une diversité expérimentale mesurée.

Qu'est-ce qu'une bibliothèque de peptides chevauchants ?

Une bibliothèque de peptides chevauchants présente une séquence parente plus longue sous forme d'une série de fragments plus courts.

Les peptides adjacents contiennent une partie de séquence commune.

Considérons des fragments hypothétiques d'une longueur de 15 résidus :

• le reste 1–15;
• le reste 6–20 ;
• les numéros 11 à 25.

Chaque peptide suivant commence cinq positions plus loin que le précédent.

Cela signifie que les fragments adjacents ont dix résidus en commun.

Une telle disposition aide à localiser les régions associées à la reconnaissance ou à une autre réponse mesurée.

Si deux peptides adjacents donnent un signal, leur séquence commune peut aider à restreindre la zone nécessitant des recherches supplémentaires.

Cependant, cela ne prouve pas que :

• chaque reste dans la région commune est nécessaire ;
• la seule séquence commune suffit à obtenir l'effet ;
• la séquence active minimale a été identifiée ;
• Le fragment se comporte exactement de la même manière que la région correspondante dans la protéine entière.

D'autres expériences pourraient être nécessaires pour trancher ces questions.

Dans une étude sur la protéine de la membrane externe des méningocoques, 45 peptides synthétiques qui se chevauchent ont été utilisés pour analyser la reconnaissance par les lymphocytes T dans des cellules provenant de donneurs humains. [5]

L'étude a démontré à la fois l'utilité de la cartographie peptidique empirique et les limites des algorithmes de prédiction alors disponibles.

Les réponses observées sont restées spécifiques au jeu de peptides utilisé, aux conditions du test et aux échantillons provenant des donneurs étudiés.

Les bibliothèques physiques et virtuelles répondent à des questions différentes

L'expression „ bibliothèque de peptides ” peut faire référence à des systèmes expérimentaux très différents.

Cette distinction est très importante :

Un candidat numérique n'est pas automatiquement une molécule synthétisée, et une molécule synthétisée n'est pas automatiquement un candidat validé expérimentalement.

Phage display et bibliothèques synthétiques

Comment le phage display associe-t-il un peptide à sa séquence ?

Dans la technologie de présentation sur phage (phage display), le peptide est présenté sous forme de partie d'une protéine située à la surface du bactériophage.

Le phage contient simultanément l'information génétique codant pour la séquence présentée.

Il en résulte une connexion utile entre :

phénotypé — par le peptide présenté

a

génotype — à sa séquence génétique correspondante.

Les chercheurs peuvent exposer une bibliothèque de phages à une cible spécifique ou à un système de test, récupérer les particules sélectionnées, les amplifier ou les analyser et déterminer quelles séquences ont été enrichies.

L'association avec l'information génétique facilite grandement l'identification des candidats par rapport à l'analyse d'un mélange moléculaire non identifié.

Des études précoces utilisant des peptides aléatoires présentés sur des phages filamenteux ont démontré la possibilité d'enrichir des ligands d'anticorps à haute affinité et ont comparé le comportement des peptides présentés sur phage aux résultats de liaison obtenus pour des peptides synthétisés chimiquement. [1]

Cette comparaison était particulièrement importante car le peptide présent sur la particule phagique et le peptide synthétique isolé correspondant ne constituent pas une présentation expérimentale identique.

L'enrichissement est le résultat d'une sélection, et non l'explication complète du mécanisme

Une séquence dont la proportion augmente au cours des étapes successives de sélection est souvent qualifiée d'enrichie.

L'enrichissement est une information importante.

Cependant, cela n'explique pas automatiquement pourquoi une séquence donnée est devenue plus nombreuse.

Les causes possibles comprennent :

• liaison avec un objectif intentionnel;
• liaison avec la surface utilisée dans le test;
• interaction avec un autre élément de l'expérience;
• meilleure survie aux conditions de sélection;
• une plus grande infectiosité ;
• multiplication plus efficace;
• l'avantage lors de la propagation ;
• une autre caractéristique dépendante de la séquence ou d'un clone spécifique.

Ce sont des explications scientifiquement différentes.

Dans une étude, un clone phagique a été identifié, dont l'enrichissement était associé à un avantage de prolifération résultant d'une délétion génomique. [6]

Une autre étude a analysé le peptide présenté, qui s'est lié au polystyrène au lieu de la cible prévue. [7]

Ces études mettent en évidence deux mécanismes différents pouvant entraîner un enrichissement sans rapport avec l'objectif initial de l'étude.

Cela ne signifie pas que chaque séquence phagique enrichie est un artefact.

Il montre en revanche pourquoi :

L'enrichissement identifie un candidat nécessitant des éclaircissements ; il ne prouve pas en soi la reconnaissance spécifique de la cible moléculaire.

Le mode de présentation peut influencer la liaison observée

Le peptide présenté dans le système de phage display est physiquement lié au support.

Son comportement peut donc différer de celui de la même molécule se trouvant librement en solution.

Un concept important ici est l'avidité.

L'affinité fait généralement référence à la force d'une interaction unique dans le cadre d'un modèle donné.

L'avidité peut en revanche résulter de nombreuses interactions qui se produisent simultanément.

Si plusieurs copies du peptide présenté interagissent simultanément avec plusieurs sites de liaison, l'interaction globale peut sembler plus forte que l'interaction individuelle du peptide libre.

La connexion au support peut également :

• restreindre la conformation du peptide;
• modifier sa disponibilité;
• augmenter la concentration locale ;
• influencer l'orientation;
• provoquer des effets stériques;
• placer plusieurs copies du peptide les unes à côté des autres.

C'est pourquoi un peptide sélectionné avec succès dans le système de présentation peut se comporter différemment après une synthèse indépendante.

C'est précisément pourquoi l'étude d'une molécule isolée constitue une étape de confirmation importante.

La comparaison des ligands présentés sur phages avec leurs équivalents chimiquement synthétisés dans les premières études de phage display montre bien l'importance de lier le résultat de la sélection au comportement indépendant de la molécule. [1]

Les bibliothèques synthétiques peuvent couvrir un espace chimique différent

Les bibliothèques de peptides synthétiques sont créées par des méthodes chimiques, et non exclusivement par expression biologique.

Selon la méthode de synthèse utilisée, elles peuvent potentiellement inclure :

• acides aminés non classiques ;
• D-aminoacides sélectionnés;
• modifications des extrémités;
• cyclisation;
• marqueurs chimiques ;
• chaînes latérales modifiées;
• autres éléments de construction synthétiques.

Cela permet d'élargir l'espace chimique disponible pour la recherche.

Le simple fait de concevoir une séquence sur une feuille de calcul ou dans un logiciel ne prouve toutefois pas que la molécule correspondante puisse être obtenue facilement et correctement.

Les problèmes pratiques peuvent inclure :

• accouplement incomplet;
• séquences de délétion;
• agrégation;
• difficultés de nettoyage ;
• faible solubilité;
• effets secondaires;
• instabilité de modification;
• problèmes synthétiques dépendants de la séquence.

Par conséquent :

diversité chimique conçue ≠ diversité chimique confirmée expérimentalement.

Les systèmes de présentation génétiquement codés et la synthèse chimique englobent donc des espaces moléculaires qui se chevauchent partiellement mais ne sont pas identiques.

Les technologies de présentation modifiées peuvent étendre davantage la portée de la chimie disponible dans les systèmes biologiques, c'est pourquoi il ne faut pas simplifier cette distinction en affirmant que les bibliothèques biologiques ne peuvent contenir que des peptides standard non modifiés.

Bibliothèques une-bille-un-composé

Dans la bibliothèque « une bille - un composé » (OBOC), chaque bille est censée contenir de multiples copies d'un seul et unique composé.

L'une des stratégies fréquemment utilisées est la synthèse de type split-and-pool.

Les billes sont divisées en groupes, chaque groupe est soumis à une réaction avec un élément de construction différent, puis toutes les billes sont à nouveau réunies et à nouveau divisées avant l'étape de synthèse suivante.

La répression de ce processus peut conduire à la création d'une grande bibliothèque combinatoire, tout en préservant le lien prévu entre une seule bille et une séquence spécifique.

Les premières recherches concernant le système « une perle–un peptide » ont présenté une méthode de création et de criblage de grandes bibliothèques peptidiques synthétiques en vue de la liaison de ligands. [2]

Cependant, la désignation une perle-un composé décrit le principe d'organisation de la bibliothèque.

Ne prouve pas que :

• chaque bille contient un peptide chimiquement idéal ;
• chaque bille a une charge peptidique identique ;
• toutes les réactions de couplage se sont déroulées avec le même rendement ;
• Le peptide sur chaque bille est également accessible.

Une étude ultérieure sur des billes individuelles a utilisé la spectroscopie Raman pour évaluer la quantité de peptide.

Les chercheurs ont observé une variabilité considérable entre les billes de la bibliothèque, en particulier pour les séquences plus longues, malgré une charge de matériel de départ plus homogène. [8]

Cela a de l'importance, car l'intensité du signal lors du dépistage peut dépendre à la fois de :

forces d'interaction,

comme et de :

quantité de peptide disponible présenté sur la bille.

Matrices, jeux synthétisés individuellement et tests groupés

Les bibliothèques de peptides peuvent également être organisées sous forme de matrices ou de kits synthétisés individuellement.

Dans une matrice peptidique, les peptides définis se trouvent à des positions physiques connues.

Cela garantit une connexion directe :

position → identité de séquence → signal de test.

Il convient toutefois de garder à l'esprit que l'immobilisation en surface peut influencer la conformation et l'accessibilité du peptide.

Une autre solution est le dépistage groupé.

Plusieurs peptides sont combinés dans un même échantillon et étudiés ensemble.

Si le pool donne un résultat positif, il est ensuite possible de procéder à sa déconvolution en testant des groupes plus petits ou des éléments individuels.

La mise en commun peut réduire le nombre de mesures nécessaires lors de la phase initiale.

Le tout ne se comporte pas toujours exactement de la même manière que chacun de ses composants individuels.

Pourraient avoir une influence :

• différences de concentration;
• concurrence;
• solubilité;
• agrégation;
• interférences;
• effets antagonistes;
• saturation du test.

La réserve positive indique donc un groupe nécessitant des recherches plus approfondies.

Il ne prouve pas que chaque peptide qu'il contient possède la propriété étudiée.

Présélection et sélection des candidats

Déterminez d'abord ce que le test mesure réellement.

La signification du résultat du dépistage dépend entièrement du critère d'évaluation mesuré.

Le criblage de liaison répond à la question de savoir si un peptide interagit avec une cible spécifique dans des conditions données.

Le criblage de substrats enzymatiques permet de déterminer si un enzym transforme un peptide spécifique.

Le test d'inhibition vérifie si un peptide réduit une activité spécifique.

Le test cellulaire mesure la réponse définie dans les cellules.

Ces résultats ne sont pas équivalents.

Le peptide peut s'attacher à l'objectif sans l'activer ni le inhiber.

Il peut être un substrat pour l'enzyme, mais ne se comporte pas de manière appropriée dans le système cellulaire.

La réponse cellulaire, en revanche, peut découler d’un trajet non intentionnel.

C’est pourquoi le terme „ peptide actif ” est souvent trop général si on n’indique pas quel type d’activité a effectivement été mesurée.

Dans une étude d'innovation, utilisant l'apprentissage automatique, les substrats peptidiques pour une classe spécifique d'enzymes ont été optimisés grâce à des essais expérimentaux multiples sur des candidats sélectionnés. [3]

Les demandes concernaient les fonctions biochimiques mesurées dans ce système particulier.

Ils ne prouvent pas que ces mêmes séquences seraient valables dans d'autres applications biologiques non liées.

Les contrôles aident à séparer la reconnaissance de l’objectif de la pratique du test lui-même.

Des contrôles adaptés aident à distinguer un phénomène moléculaire intentionnel d'autres explications possibles.

Selon le test, il peut s’agir de :

• des surfaces sans molécule cible ;
• contrôles comprenant le support lui-même ;
• des objectifs moléculaires non liés ;
• contrôle positif ;
• contrôles négatifs ;
• mesures de fond ;
• Des expériences concurrentielles ;
• autres contrôles applicables à un système spécifique.

Une surface sans molécule cible peut révéler une liaison non covalente avec le matériau d’essai.

Le contrôle du support permet de détecter les réponses induites par le système de présentation lui-même.

Un objectif non lié peut fournir des informations sur la sélectivité.

Un contrôle positif indique si le test est capable de détecter la réponse connue.

Un contrôle négatif aide à déterminer le niveau de fond.

Les contrôles doivent toutefois être adaptés aux véritables sources possibles d’erreurs de l’expérience en question.

Il n'existe pas un peptide contrôleur universel qui serait biologiquement inoffensif dans tout système possible.

Une étude sur les fagots liés au polystyrène montre pourquoi le contrôle de la surface est important. Les chercheurs ont analysé séparément le lien et la multiplication et ont attribué l’enrichissement à l’interaction avec la surface d’essai, au lieu de supposer que le recouvrement des fagots prouve la reconnaissance de l’objectif visé. [7]

La nécessité, la sélection et la fonction sont des propriétés différentes

Trois concepts qui sont souvent confondus sont :

l'innocuité, la sélectivité et la fonction.

La causalité concerne la force de l’interaction dans des conditions déterminées et dans le cadre d’un modèle d’action approprié.

La sélectivité décrit dans quelle mesure un candidat agit de manière préférentielle en fonction d'un seul objectif par rapport aux alternatives correspondantes.

Cette fonction concerne les conséquences biologiques ou biochimiques de cette interaction.

Le peptide peut donc présenter :

• une forte affinité, mais une faible sélectivité ;
• une haute sélectivité, mais une faible liaison ;
• une forte liaison sans effet fonctionnel attendu ;
• Une activité fonctionnelle grâce à un mécanisme inattendu.

Ces distinctions déterminent les expériences à réaliser en premier.

Par exemple :

La liaison démontrée ≠ l’inhibition démontrée.

Un peptide détecté lors d’une étude de liaison ne doit pas automatiquement être qualifié d’inhibiteur si ses effets inhibiteurs n’ont pas été directement mesurés.

Il est utile de se fonder sur plusieurs types de données pour évaluer les candidats.

La sélection des candidats est plus fiable si elle ne repose pas uniquement sur un seul critère de classement.

On peut prendre en considération, entre autres :

• la taille du signal ;
• la répétabilité ;
• conservation du fond ;
• l'identité de la séquence ;
• augmentation par rapport à la valeur initiale ;
• Sélectivité ;
• la famille des séquences ;
• la possibilité d'une synthèse indépendante ;
• solubilité;
• la répétabilité du test ;
• La possibilité d'une validation ultérieure.

La diversité séquentielle des frappes choisies peut également être utile.

L'étude des représentants de plusieurs familles de séquences réduit la dépendance à un motif ou à un clone potentiellement erroné.

Dans le cas des bibliothèques fagiques, il est particulièrement utile de comparer le nombre de livres avant et après la sélection.

Une séquence qui était déjà très présente dans la bibliothèque d'entrée peut être abondamment représentée après un screening sans enrichissement exceptionnellement puissant en fonction de l'objectif.

Une étude de séquençage profond de la bibliothèque phageique naïve a révélé une représentation initiale inégale. [4]

L’étude sur l’avantage dans la reproduction montre en outre pourquoi la simple densité ne doit pas être automatiquement interprétée comme une mesure de l’attractivité. [6]

Globalement, ces résultats justifient l'analyse :

comment cette séquence a été enrichie,

et non seulement :

qui a obtenu le premier rang après la fin du processus de sélection.

Le résultat du dépistage n'est pas encore un candidat validé

Un hit, c’est une frappe qui répond aux critères du premier test de sélection.

C’est un résultat important.

Il ne met cependant pas fin au processus de validation.

La confirmation devrait répondre notamment aux questions suivantes : ? Le comportement du candidat ?:

• c’est répétitif ;
• Il demeure stable après l'application de contrôles appropriés ;
• Il se produit lors d’une étude individuelle ;
• reste visible après la ré-synthèse ;
• on peut attribuer cette molécule à une molécule intentionnelle ;
• Il reste important dans un test secondaire approprié.

Une description plus détaillée peut ensuite inclure des caractéristiques importantes pour un objectif de recherche spécifique.

La synthèse réitérée est particulièrement utile si le dépistage initial utilisait un support, une bille, un système de présentation ou une combinaison de ces éléments.

La synthèse indépendante permet de séparer le candidat du mode d’expression initial.

La confirmation de l'identité et d'autres paramètres importants de l'échantillon renforce en outre le lien entre le résultat observé et la molécule visée. C'est là que l'interprétation appropriée devient particulièrement importante. La pureté des peptides et les études de laboratoire, car le résultat de l'HPLC, la confirmation de la masse et la teneur réelle du peptide répondent à différentes questions analytiques.

La séquence correcte est donc la suivante :

détection lors du screening → confirmation de la détection → candidat caractérisé,

et non :

Un succès dans les tests de dépistage → un peptide fonctionnel prouvé.

Un classement avantageux, un modèle de pose de pont convaincant visuellement ou le fait d’obtenir plusieurs fois un résultat similaire dans le même test sujet à erreurs n’équivalent pas automatiquement à une validation indépendante.

La conception de séquences et les outils de prédiction

La conception commence par la définition de l’objectif moléculaire

La conception d'un peptide peut commencer par :

• d'un motif connu ;
• peptide de moelle osseuse;
• la surface d'action des protéines ;
• Un résultat obtenu par l'expérimentation ;
• un modèle structuriel ;
• de la séquence évolutive ;
• un ensemble de données concernant les peptides étudiés.

On peut ensuite analyser des changements tels que :

• les substitutions d'acides aminés ;
• réduction des séquences ;
• prolongation des séquences ;
• cyclisation;
• modifications des extrémités;
• modification de l'ordre des acides aminés ;
• autres modifications structurelles.

L’objectif doit être clairement défini.

Par exemple :

Prédiction de l'attachement

Ce n’est pas la même chose que :

la prédiction de la reconnaissance par l'enzyme,

et cela n’est pas le même que :

prévision de la solubilité.

Une modification améliorant une seule propriété peut ne pas avoir d'effet sur une autre, ou même avoir un effet négatif sur celle-ci.

La conception pratique des peptides peut donc nécessiter un équilibre entre plusieurs objectifs en concurrence.

L’étude expérimentale des substrats enzymatiques a montré une approche ciblée : l’algorithme proposait des candidats, les expériences biochimiques les évaluait et les résultats obtenus influençaient ensuite les décisions concernant le choix de la séquence. [3]

Ces calculs étaient destinés à un objectif expérimental précis et n’ont pas remplacé les mesures.

La prédiction basée sur la séquence dépend des données d'entraînement.

Un modèle informatique basé sur une séquence apprend les relations entre les caractéristiques des peptides et les étiquettes ou les résultats des mesures présentes dans un ensemble de données d'entraînement.

Selon le modèle, le résultat peut être :

• classement ;
• un résultat ressemblant à une probabilité ;
• valeur de classement ;
• la propriété quantitative prévue ;
• un autre type d'estimation informatique.

L'interprétation dépend de ce que les étiquettes utilisées lors de l'entraînement signifiaient réellement.

Par exemple, le terme „ actif ” peut signifier :

• l’engagement au-dessus d’un certain seuil ;
• transformation par enzyme ;
• activité antimicrobienne ;
• une réponse cellulaire ;
• un autre critère spécifique à un test particulier.

Ce ne sont pas des propriétés équivalentes.

Les ensembles de données peuvent également contenir les résultats obtenus dans différents contextes expérimentaux.

Un peptide non étudié ne doit pas automatiquement être considéré comme un résultat négatif confirmé uniquement parce qu'il n'existe pas de résultat positif pour lui.

L’évaluation du modèle est tout aussi importante.

Si des séquences presque identiques se trouvent à la fois dans le pool de données d’entraînement et dans le pool de données de test, le problème de prédiction peut être beaucoup plus facile que de prédire les propriétés des peptides vraiment nouveaux.

Par conséquent :

La haute précision globale du modèle ne prouve pas en soi sa capacité à être généralisée à de nouvelles séquences.

La généralisation nécessite une évaluation consciente

La généralisation décrit la capacité du modèle à maintenir sa pertinence en dehors des exemples utilisés lors de l’entraînement.

Cela revêt une importance particulière lorsque le peptide proposé diffère considérablement des données d’entraînement en ce qui concerne :

• de séquences ;
• longueurs;
• classes structurelles ;
• modifications chimiques ;
• objectif moléculaire ;
• un contexte expérimental.

Dans une étude visant à prédire l’association du récepteur des lymphocytes T, on a analysé l’impact des différences entre les peptides d’entraînement et de test sur l’évaluation des modèles. [9]

Les divisions des collections basées sur l’apparence des séquences et des structures n’ont donné des résultats identiques.

Cela montre pourquoi un seul ensemble de données d’entraînement et de tests ou une seule valeur décrivant l’efficacité du modèle ne peuvent pas tout révéler quant à sa performance face aux nouveaux peptides.

Cela ne signifie pas que les modèles de prédiction des peptides soient par nature irréalisables.

Cela signifie cependant que la manière dont elles sont évaluées doit correspondre à leur utilisation réelle.

Qu’est-ce qui prévoit le dépôt de peptides ?

La docking peptidique est une méthode informatique permettant de proposer une manière dont un peptide peut interagir avec un récepteur ou un autre objectif moléculaire.

Les calculs peuvent être analysés de différentes façons :

• conformations du peptide ;
• orientations ;
• positions ;
• contacts avec le receveur ;
• Géométrie de l'action.

Par la suite, les systèmes proposés sont évalués à l’aide d’une fonction de notation appropriée ou d’une fonction énergétique.

Le résultat de la connexion peut donc fournir :

• la possibilité d’une liaison positive ;
• des participants restants proposés à l’interaction ;
• hypothèses structurelles ;
• le classement des candidats ;
• Les structures initiales pour les analyses informatiques ultérieures.

Il convient toutefois de noter :

Outre le docking, il s'agit d'une hypothèse, et non d'un ensemble observé empiriquement.

De même :

Le résultat de la fixation n’est pas automatiquement une constante de dissociation mesurée de manière expérimentale, une activité cellulaire ni un risque de succès biologique.

L'interprétation dépend de :

• fonction pointue ;
• la méthode de prélèvement des conformités ;
• structures du récepteur ;
• la flexibilité du récepteur ;
• la flexibilité du peptide ;
• des hypothèses initiales ;
• protonation et représentation moléculaire ;
• une calibration adaptée au projet en question.

Le stockage des peptides peut être particulièrement difficile, car ces derniers sont souvent très flexibles.

Lors de la liaison, leur conformation et leur position par rapport à leur cible peuvent changer considérablement.

Rosetta FlexPepDock : raffinement et docking global sont différentes procédures

La publication originale concernant le serveur FlexPepDock décrit une amélioration haute résolution du modèle qui commence par un peptide situé approximativement dans le domaine de liaison du récepteur [10].

Il ne faut donc pas décrire ce mécanisme comme une méthode universelle permettant de découvrir n'importe quel site de liaison inconnu sans informations structurelles.

PIPPER-FlexPepDock étend cette conception vers un docking global en combinant le placement de fragments peptidiques avec une modélisation flexible ultérieure du modèle. [11]

Dans cette publication, cette méthode a été évaluée sur un ensemble restreint mais représentatif de complexes peptidés-protéines déterminés empiriquement.

Le succès dans le benchmark témoigne de l’efficacité dans les conditions testées.

Il ne garantit pas une prédiction correcte pour chaque nouvelle paire de récepteur-péptid.

La documentation officielle de Rosetta distingue :

• raffinement ;
• modélisation ab initio près de l'emplacement approximatif de l'attachement ;
• workflow global PIPER-FlexPepDock. [12]

C’est pourquoi le rapport informatique devient beaucoup plus informatif lorsqu’il indique :

Quel protocole FlexPepDock a été utilisé + quelles données initiales ont été utilisées + comment les structures obtenues ont été évaluées.

La seule affirmation :

„ Le remorquage de la Rosetta a été effectué ”

Il laisse de nombreuses informations méthodologiques importantes non précisées.

Les peptides modifiés nécessitent une représentation adéquate

Le modèle informatique doit représenter correctement la structure moléculaire étudiée.

Une séquence enregistrée uniquement à l'aide de codes d'aminoacides standard de 1 litre peut passer sous silence des informations chimiques importantes.

Il peut s’agir notamment de :

• amidation du C-terminus ;
• acylation de l'extrémité N ;
• aminos acides non standard ;
• Les acides aminés D;
• cyclisation;
• les liaisons covalentes transversales ;
• fosforylation ;
• Autres modifications.

Dans une étude utilisant FlexPepDock, le modélisation peptid-MHC comprenant des restes non standard et des modifications de peptides spécifiques a été analysée. [13]

Les auteurs ont obtenu des résultats de référence utiles et ont observé une corrélation entre les résultats calculés et le lien relatif mesuré empiriquement dans le groupe étudié.

Cela favorise l’application concrète du modélisme, qui a été testé.

Cela ne signifie toutefois pas que toute modification possible sera automatiquement correctement représentée ni que le docking remplace la mesure expérimentale de la liaison.

CHARMM-GUI, modèles peptidiques et amidation du C-terminus

CHARMM-GUI fournit des outils pour préparer des schémas moléculaires pour la simulation.

La documentation officielle souligne que les restes modifiés nécessitent des définitions structurelles et des paramètres de champ de force appropriés. [14]

La génération réussie des données d'entrée pour la simulation signifie donc que la représentation informatique du système a été préparée.

Il n'est pas confirmé empiriquement :

• l'identité du peptide ;
• les liens ;
• fonction biologique ;
• de la stabilité;
• activité.

Dans le cas du peptide amidé, au bout C, le groupe chimique est l'amidon, et non la groupure carboxyle libre.

Cette différence peut avoir des conséquences sur :

• charge formelle ;
• liaisons hydrogéniques ;
• les effets électrostatiques ;
• conformité ;
• interactions avec l’environnement moléculaire environnant.

La structure, la topologie et les paramètres du champ de forces utilisés dans la simulation doivent donc représenter la même forme finale que celle étudiée expérimentalement.

Dans une étude sur les maximin H5, des méthodes expérimentales et simulées ont été combinées afin d’évaluer les conséquences d’une modification de la forme du C-terminus [15].

Des différences ont été observées dans la structure et les interactions avec les membranes pour ce peptide en particulier.

Cela ne signifie pas que l'amidation améliore les propriétés de chaque peptide.

Il montre cependant pourquoi la chimie des groupes terminaires ne devrait pas être omise dans l'explication moléculaire.

C’est pourquoi la recherche d’options d’amidation dans un programme de construction de peptides devrait commencer par une question chimique :

Quelle forme moléculaire doit-elle être modélisée exactement ?

C’est seulement après avoir défini cette question que le choix des paramètres du logiciel prend de l’importance.

Validation expérimentale et reproductibilité

Étudiez indépendamment la molécule appropriée

Le candidat sélectionné doit finalement être examiné comme matière moléculaire définie.

Les caractéristiques importantes peuvent inclure :

• une séquence précise ;
• la forme des terminaisons ;
• certaines modifications ;
• l’identité moléculaire ;
• d'autres propriétés importantes pour l'expérience.

Si le premier screening utilisait le phage display ou les peptides attachés aux particules, d'autres expériences pourraient vérifier si le peptide isolé conserve cette propriété mesurée en dehors du système de présentation initial.

Dans une étude préliminaire de phage display, des peptides présentés sur des phages ont été comparés à leurs homologues synthétisés chimiquement. [1]

Cela montre comment une étude indépendante peut combiner le résultat de la sélection bibliographique avec le maintien de la même molécule peptidique.

La qualité et la spécificité de l'échantillon sont également importants.

Différences concernant :

• concentration indiquée ;
• solubilités;
• de propreté;
• l’agrégation ;
• la forme finale ;
• Modifications chimiques

Ils peuvent influer sur les comparaisons expérimentales.

Deux échantillons désignés par la même dénomination de peptide ne doivent pas être chimiquement équivalents si leurs formes moléculaires correspondantes n’ont pas été définies. C’est pourquoi, avant d’interpréter l’expérience, il est utile de distinguer les notions d’identité, de pureté et de quantité réelle du matériau, comme détaillé dans l’article sur La pureté des peptides et les études de laboratoire.

Un test supplémentaire a la plus grande valeur lorsqu'il répond à une question spécifique.

Le test orthogonal examine une propriété déterminée en utilisant une autre règle de mesure ou un mode de présentation expérimentale différent.

Sa plus grande valeur réside dans la possibilité de vérifier une explication alternative spécifique.

Un deuxième test peut par exemple aider à déterminer si le résultat initial résulte de :

• adhésions à la surface ;
• interférence du signal;
• des comportements dépendants du support ;
• les effets de l’immobilisation ;
• un autre artefact caractéristique du premier test.

Le simple fait d’utiliser deux modèles différents de dispositifs ne signifie pas encore que les mesures sont orthogonales.

Si les deux tests utilisent la même méthode d'immobilisation ou la même méthode de détection, ils peuvent être sujets à une même source d'erreur.

La question la plus importante est la suivante :

Quelle explication alternative vérifie le deuxième essai ?

La concordance entre des méthodes réellement complémentaires fournit généralement un soutien plus solide que la répétition répétée de la même lecture susceptible d’engendrer des erreurs.

Réplication et contexte biologique

Les différents types de réplication permettent d’évaluer différentes sources d’incertitude.

Les répétitions techniques permettent d’évaluer la répétabilité au sein du même système expérimental.

Les répétitions indépendantes de l'expérience peuvent inclure une variation supplémentaire entre les préparations ou les séries d'essais.

Les expériences utilisant des échantillons biologiques peuvent également nécessiter de prendre en compte les différences entre :

• donateurs ;
• les préparatifs cellulaires ;
• organismes ;
• des tissus ;
• d'autres sources de matière biologique.

Dans une étude utilisant des peptides adjacents, la reconnaissance par les lymphocytes T dans des échantillons provenant de donneurs a été analysée et une bibliothèque a été utilisée pour identifier les régions reconnues. [5]

Les réponses observées variaient selon le contexte biologique.

Les résultats obtenus pour un donneur ou un système expérimental ne doivent pas être généralisés automatiquement à toute personne ou tout système biologique.

La répétabilité signifie donc la possibilité de reproduire un énoncé précis dans des conditions correctement décrites.

Ce n'est pas seulement obtenir un autre graphique présentant une apparence similaire.

La documentation devrait permettre de reproduire l'analyse.

Une bonne étude bibliographique des peptides nécessite une documentation suffisante pour que d'autres chercheurs puissent comprendre comment le résultat a été obtenu.

Les données expérimentales utiles comprennent :

• la séquence exacte du peptide ;
• la longueur du peptide ;
• groupes finaux ;
• modifications chimiques;
• l'architecture de la bibliothèque ;
• Identifiants des échantillons ;
• les conditions de dépistage ;
• point final mesuré ;
• contrôles ;
• la structure des répétitions ;
• la manière de définir le contexte ;
• Le seuil de qualification pour le tir ;
• critères de sélection des candidats ;
• Méthodes analytiques utilisées.

Dans les études informatiques, les éléments importants peuvent être :

• nom du logiciel ;
• version ;
• protocole ;
• structure d'entrée ;
• la manière de représenter une molécule ;
• ensemble de paramètres ;
• Traitement des données ;
• la manière de répartir les séries d’entraînement et les séries de test ;
• méthode de scoring ;
• la procédure de classement des candidats ;
• critères de sélection.

Le maintien uniquement du modèle le mieux noté, de l’image de montage la meilleure ou de la séquence finale peut empêcher la reproduction ultérieure de la méthode utilisée pour obtenir le résultat.

La spécificité de la bibliothèque elle-même constitue également un élément de répétitivité.

Des études sur la composition des bibliothèques phages et le chargement des particules montrent que la variabilité peut exister avant même le début du screening [4] [8].

Documenter uniquement le tir final peut donc omettre des informations importantes concernant le matériau initial.

Les prédictions positives et les résultats négatifs sont tout aussi importants

Un candidat prévu par ordinateur qui n'a pas été confirmé par des expériences continues peut encore fournir des informations utiles.

Il pourrait révéler :

• limites du modèle ;
• une hypothèse mécaniste erronée ;
• une représentation insuffisante de la caractéristique chimique ;
• problème avec l'hypothèse concernant le test ;
• la région de l'espace séquentiel où le modèle se généralise faiblement.

De tels résultats ne doivent pas être ignorés dans l'évaluation uniquement parce qu'ils n'ont pas confirmé la prédiction initiale.

Le design iteratif devient plus précieux lorsque les observations expérimentales — ainsi que les résultats inattendus et négatifs — influencent les décisions suivantes.

L'étude sur la conception des substrats enzymatiques utilisait un cycle généralisé :

prédiction → mesure expérimentale → amélioration du modèle à partir des données. [3]

Sa valeur scientifique découlaient de l’association des calculs à l’observation, et non de la considération du premier classement comme étant la réponse définitive.

Le plus fort argument devrait donc préciser précisément ce qui a été démontré :

• enrichissement ;
• l’attachement ;
• la molécule comme substrat pour l'enzyme ;
• inhibition ;
• réponse cellulaire ;
• prédiction informatique ;
• efficacité dans le benchmark structurel.

Chacun de ces résultats peut avoir une valeur scientifique.

Il ne faut cependant pas remplacer l’un par l’autre.

Les erreurs les plus fréquentes lors de l’interprétation des bibliothèques peptidiques

Les résultats des études bibliographiques sur les peptides peuvent être trompeurs si les conclusions dépassent ce qui a effectivement été mesuré.

L’un des nombreux erreurs est de considérer la taille théorique d’une bibliothèque comme une diversité confirmée empiriquement. Les bibliothèques physiques peuvent présenter une représentation inégale, des éléments manquants, des doublons ou des charges résultant du processus de synthèse. [4]

Un autre erreur est de considérer l’enrichissement comme une preuve d’aptitude. L’enrichissement peut également résulter d’un avantage dans la multiplication, d’une liaison avec la surface ou d’autres propriétés liées au processus de sélection. [6] [7]

Le troisième problème est de confondre l'association avec la fonction. Un peptide peut agir sur un objectif sans provoquer l'effet biologique proposé.

De même, on ne doit pas considérer le résultat de la liaison comme une mesure expérimentale de la affinité. Les résultats ponctuels proviennent de modèles informatiques et nécessitent une validation avant d’être considérés comme une preuve quantitative de l’adhésion. [10] [11] [13]

Le peptide virtuel n'est pas non plus automatiquement un peptide facile à obtenir sous sa forme chimique correcte. La synthèse, la solubilité, l'identité moléculaire et la caractérisation de l'échantillon restent des questions expérimentales.

Enfin, le résultat obtenu pour le peptide présenté sur un fagot, immobilisé à la surface ou lié à une bille, ne peut pas être reproduit par la molécule correspondante libre, car le mode de présentation lui-même peut influer sur la conformité, l’accessibilité, la densité locale et l’aviliabilité.

Ces restrictions n'entraînent pas de diminution de la valeur des bibliothèques de peptides.

Ils déterminent cependant la manière dont les preuves fournies par eux doivent être interprétées.

Questions fréquemment posées

1. Qu’est-ce qu’une bibliothèque de peptides adjacents ?

La bibliothèque de peptides superposés est un ensemble de fragments comprenant une séquence mère plus longue, les peptides voisins ayant une partie commune de séquence aminoléique. Cette solution aide les chercheurs à identifier les régions liées à la reconnaissance ou à une autre réponse mesurée. Une étude utilisant des fragments superposés de protéine meningococcique a montré l’utilité de cette méthode pour cartographier les réponses des lymphocytes T dans des échantillons provenant de donneurs [5]. Cependant, un résultat positif pour un fragment ne permet pas automatiquement d’identifier l’épitope minimal, ne prouve pas que chaque reste commune soit nécessaire et ne signifie pas que le fragment reproduit exactement la structure et le traitement de l’ensemble du protéine.

2. Les prédictions informatiques peuvent-elles remplacer les expériences ?

Non. Les prédictions informatiques peuvent aider à établir les priorités des candidats, à identifier des schémas, à élaborer des hypothèses structurelles et à limiter le nombre de séquences nécessitant une analyse expérimentale immédiate. Leur fiabilité dépend cependant du modèle, des données d’entraînement, de la manière de représenter les molécules, des hypothèses retenues et du problème spécifique. Dans le cadre de la recherche sur la conception des substrats enzymatiques, des peptides sélectionnés par l’algorithme ont été testés à plusieurs reprises et les résultats expérimentaux ont été utilisés pour les prochaines phases de sélection. [3] Cela montre la collaboration entre les méthodes informatiques et l’expérimentation, et non la substitution de l’expérimentation à un modèle. Le candidat reste une prédiction informatique jusqu’à ce que sa propriété correspondante soit évaluée expérimentalement.

3. La bibliothèque de peptides est-elle un ensemble physique ou une base de données ?

On peut être à la fois dans les bibliothèques physiques et dans les bibliothèques virtuelles. Les bibliothèques physiques contiennent des molécules que l’on peut étudier directement par des expériences expérimentales, tandis que les bibliothèques virtuelles contiennent des séquences numériques, des structures moléculaires ou d’autres représentations informatiques. Les premières études concernant les bibliothèques one-bead-one-peptide concernaient les bibliothèques synthétiques physiques, tandis que les méthodes de conception informatique analysent les représentations moléculaires avant la synthèse des candidats sélectionnés. [2] [3] La simple présence d’une séquence dans une bibliothèque virtuelle ne confirme pas que le peptide correspondant a été synthétisé correctement, possède la forme chimique prévue ni présente les propriétés prévues. C’est pourquoi, lors de l’examen de la taille de la bibliothèque ou des résultats du screening, il faut toujours définir son format.

4. L’existence d’une bibliothèque plus importante conduit-elle toujours à trouver de meilleurs candidats ?

Non. La taille de la bibliothèque n’a de sens que si elle comprend une diversité importante, accessible, identifiable et représentative. Le séquençage approfondi de la bibliothèque fagoïde a révélé des différences dans le nombre de séquences et des facteurs qui réduisent la diversité effective malgré un projet planifié à grande échelle. [4] Les bibliothèques très volumineuses peuvent également augmenter les problèmes liés au prélèvement et à l’interprétation, car tous les éléments théoriquement possibles ne doivent pas nécessairement être réellement présents ou dûment étudiés. La qualité des candidats dépend donc de la composition de la bibliothèque, du projet de séquentiation, de la qualité du test, de la surveillance et de la validation, et non seulement de la quantité annoncée de séquences possibles.

5. Les bibliothèques de peptides aléatoires sont-elles vraiment exemptes de charges ?

Pas toujours. La construction randomisée peut toujours conduire à une représentation inégale des nucléotides, des acides aminés et des séquences entières. La production biologique, la multiplication, la chimie de la synthèse et les essais peuvent introduire d'autres sources de charge. Le séquençage approfondi de la bibliothèque phagoïde commerciale a montré une représentation inégale avant même le début du choix par rapport à l'objectif. [4] Cela ne signifie pas que chaque bibliothèque aléatoire soit irréelle. Cela montre cependant que „ le projet aléatoire ” et la „ uniformité expérimentale confirmée ” sont deux affirmations différentes. La caractérisation de la bibliothèque initiale aide à distinguer une grande diversité de départ d'un enrichissement réel dépendant du choix.

6. Comment le phage display permet-il d’identifier une séquence peptidique ?

Le phage display combine le peptide présent sur la surface du phage avec l’information génétique contenue à l’intérieur de la même molécule. On peut donc récupérer les phages sélectionnés et déterminer les séquences peptidiques correspondantes à partir du matériel génétique associé. Les premières études avec des peptides aléatoires présentés sur des phages à cônes utilisaient cette relation entre le génotype et le phénotype pour récupérer et caractériser les ligands liés. [1] Toutefois, le seul rétablissement du phage ne prouve pas son caractère spécifique par rapport à son objectif, car la diversité peut être influencée par des interactions avec la surface, des différences de multiplication et d’autres pressions sélectives. L’association génétique permet d’identifier le candidat et les expériences ultérieures aident à expliquer la raison de sa sélection.

7. Pourquoi un fag peut-il être enrichi sans être lié à un objectif précis ?

De nombreux mécanismes peuvent conduire à une enrichissement non lié à l’objectif initial. Le fag peut interagir avec la surface de test, tolérer exceptionnellement bien les conditions de sélection ou se multiplier plus efficacement que les clones concurrents. Dans des études séparées, il a été démontré que le fag pouvait récupérer du polystyrène et se multiplier plus efficacement que les clones concurrents. [6] [7] Ces mécanismes sont différents et nécessitent d’autres contrôles. L’enrichissement doit donc être interprété comme une preuve que le clone a survécu et a augmenté sa représentation lors du processus de sélection. La preuve d’une reconnaissance spécifique de l’objectif nécessite des preuves supplémentaires permettant de distinguer cette possibilité des explications alternatives.

8. Qu’est-ce que l’un-bead-un-composant ?

Le concept « un bijou – un composé » signifie que chaque bijou est destiné à présenter plusieurs copies d’un même composé, permettant à la bijou sélectionnée de finalement être liée à un seul élément de la bibliothèque. Ce concept permet de créer de grandes bibliothèques synthétiques combinatoires et a été présenté dans les premiers travaux portant sur un bijou – un peptide à la fois.[2] Cependant, le terme décrit l’organisation prévue de la bibliothèque et ne garantit pas une charge identique, une synthèse parfaite ou une homogénéité chimique de chaque bijou. Des mesures ultérieures des bijoux individuels ont révélé des différences significatives dans la quantité de peptide présentée[8]. La qualité du matériau et la charge restent donc des caractéristiques nécessitant une évaluation expérimentale.

9. La quantité de peptide présente sur une boule peut-elle influer sur le résultat du dépistage ?

Oui. Une bille présentant une quantité plus importante de peptide disponible peut générer un signal de test plus fort même lorsque l’interaction moléculaire elle-même n’est pas plus forte. Dans une étude utilisant la spectroscopie Raman pour analyser des bibliothèques d’un seul peptide, on a constaté une grande variabilité de la quantité de peptide, en particulier dans le cas de séquences plus longues. [8] L’étude ne détermine pas l’impact de la charge dans tout système de ségrégation possible, mais identifie la source de la variation qui peut influer sur l’intensité du signal. Les résultats du screening sur les billes doivent donc être interprétés dans le contexte de l’interaction moléculaire elle-même ainsi que de la densité du matériau présenté.

10. L’adhésion est-elle la même chose que l’activité biologique ?

Non. La liaison désigne l’interaction de molécules dans des conditions spécifiques. L’activité biologique ou biochemique nécessite un point final défini séparément. Un peptide peut se lier à une protéine sans l’activer ni la inhiber, tandis que la réponse cellulaire peut être induite par un mécanisme différent de l’interaction supposée entre le ligand et la cible. Les études de phage display se sont principalement concentrées sur la liaison, tandis que l’étude utilisant l’apprentissage automatique concerne le comportement des peptides en tant que substrats enzymatiques. [1] [3] Il s’agit de questions scientifiques différentes. La précision du screening devrait donc être décrite en fonction de la propriété réellement mesurée, sans l’attribuer à un effet plus général.

11. Pourquoi vaut-il la peine de synthétiser et d’étudier individuellement le résultat d’un tir ?

La synthèse indépendante permet d’établir si un peptide spécifiquement défini reproduit effectivement le comportement observé au-delà du système bibliométrique initial. L’adhérence au phage, la quantité de matière sur la boule, les effets de la combinaison, les interactions avec le support ou d’autres éléments de l’analyse peuvent influer sur le résultat initial. Dans les premières études de phage display, les ligands présentés ont été comparés à des peptides obtenus par synthèse chimique, ce qui illustre cette étape de validation. [1] La synthèse indépendante est la plus informative lorsque le matériau obtenu est correctement caractérisé et testé dans un test lié au prétraitement initial. La synthèse elle-même ne confirme pas encore la fonction ou le mécanisme.

12. Qu’est-ce que prévoit Rosetta FlexPepDock ?

Rosetta FlexPepDock modélise les structures des complexes peptid-protéine, mais les procédures spécifiques associées à FlexPepDock nécessitent une gamme d’informations initiales différente. La publication originale concernant le serveur décrit principalement l’amélioration haute résolution du modèle du peptide déjà présent approximativement à proximité du site de liaison du récepteur. [10] PIPER-FlexPepDock utilise une stratégie de docking globale plus large, suivie par une amélioration flexible du modèle. [11] Les résultats des benchmarks ne garantissent pas la validité pour chaque nouvelle paire peptide-protéine. C’est pourquoi un rapport utile devrait indiquer le protocole utilisé, les informations initiales et la manière d’évaluer les structures prévues.

13. Le résultat positif de l’attachement confirme-t-il une liaison forte ?

Non. Le résultat de la conformation est une valeur générée par une fonction pointue informatique et n’est pas automatiquement équivalent à un affinité mesurée empiriquement, telle que la constante d’association. Sa signification dépend du protocole de conformation, de la représentation moléculaire, de la méthode de prélèvement de la conformation, de l’objectif examiné et de la calibration. Dans l’étude FlexPepDock concernant les complexes peptid-MHC, les résultats calculés ont été comparés aux mesures relatives à l’affinité dans un ensemble de données spécifiques, montrant que de telles relations doivent être étudiées et non pas présumées. [13] Un bon résultat de conformation peut aider à déterminer les priorités des candidats ou à soutenir une hypothèse structurelle, mais une forte affinité nécessite des preuves expérimentales appropriées.

14. Pourquoi l'amidation de la C-extrémité est-elle importante dans la modélisation du peptide ?

L’amidation de la C-taille modifie le groupe chimique situé à la fin du peptide et peut influer sur la charge formelle, les liaisons hydrodynamiques, les interactions électrostatiques et la conformation de la molécule. Le modèle informatique devrait donc présenter la même chimie de la C-taille que celle du peptide étudié expérimentalement. Dans les études sur H5 maximin, des différences dans la structure et les interactions avec les membranes ont été observées liées à la modification de la forme finale. [15] Cela ne prouve pas que l’amidation améliore toujours les propriétés des peptides. Elle montre cependant pourquoi la chimie des groupes de terminaison doit être correctement définie et reproduite dans le modèle.

15. La génération du modèle dans CHARMM-GUI confirme-t-elle les propriétés du peptide ?

Non. CHARMM-GUI aide à préparer les systèmes moléculaires pour la simulation. La création réussie d’une structure ou de fichiers d’entrée signifie que la représentation informatique du système étudié a été créée ; elle ne confirme pas en laboratoire les liaisons, l’activité biologique, la stabilité ni l’intérêt clinique. La documentation officielle indique également que les restes modifiés nécessitent des définitions structurelles et des paramètres appropriés. [14] La préparation d’un modèle informatique constitue donc le point de départ pour la modélisation suivante. La question de savoir si la molécule réelle se comporte conformément aux prévisions reste un problème expérimentale distinct.

16. Pourquoi un modèle prédictif pourrait être trompeur pour un nouveau peptide ?

Un nouveau peptide peut différer des exemples utilisés lors de l’entraînement d’une manière que le modèle n’a pas appris à représenter correctement. Ces différences peuvent concerner les séquences, la structure, la longueur, les modifications, l’objectif moléculaire ou d’autres caractéristiques. Une étude des modèles prévoyant l’adhésion des récepteurs des lymphocytes T a montré que l’évaluation de l’efficacité variait en fonction de la manière dont l’apparente similitude séquentielle et structurelle entre les peptides d’entraînement et les tests était prise en compte. [9] Cela ne signifie pas que chaque prédiction de la nouvelle séquence sera erronée. Cela montre plutôt que les statistiques générales d’efficacité du modèle doivent être interprétées dans le contexte de la manière dont les conditions d’essai rappellent leur utilisation prévue.

17. Qu’est-ce qui rend les résultats des études bibliographiques sur les peptides reproductibles ?

La répétabilité nécessite un nombre suffisant d’informations permettant de définir la bibliothèque, la molécule candidate, les conditions expérimentales, les contrôles, la manière d’analyser et les critères d’acceptation d’un résultat comme positif. Les études sur la composition des bibliothèques phématiques et la quantité de peptide sur les balles montrent que la variabilité peut exister avant même le début du screening. [4] [8] La présentation uniquement de la séquence finale et du résultat pointuel omet donc des sources potentiellement importantes de différences. Les études répétées nécessitent un rapport clair sur les séquences, les modifications, l’architecture de la bibliothèque, les identificateurs des échantillons, les points d’achèvement du test, les contrôles, les critères analytiques, les paramètres informatiques et une confirmation indépendante du résultat principal.

18. Le peptide le plus enrichi doit-il être le meilleur ligand ?

Non. Une forte enrichissement peut découler de la liaison avec le but, mais elle peut également être influencée par la taille initiale de la séquence, l’efficacité de la multiplication, des interactions non intentionnelles avec la surface et d’autres propriétés liées à la sélection. Les séquençages approfondis ont révélé une représentation initiale inégale des bibliothèques phématiques, et d’autres études ont documenté une enrichissement lié à une préférence de multiplication. [4] [6] Par conséquent, la séquence finale la plus abondante ne doit pas automatiquement être confondue avec un ligand ayant le plus fort affinité. Des preuves plus fortes proviennent de la comparaison entre la taille initiale et la fin de la séquence, de contrôles appropriés et d’une mesure indépendante de l’affinité.

19. La séquence peptidique prévue prouve-t-elle qu'elle peut être synthétisée efficacement ?

Non. Le projet informatique crée une séquence ou une hypothèse moléculaire, mais ne confirme pas le succès de la synthèse. Certaines séquences peuvent entraîner des problèmes liés à la performance de la liaison, à l’agrégation, au nettoyage, à la solubilité ou aux modifications chimiques. La bibliothèque virtuelle peut donc contenir des candidats présentant une très grande variabilité en termes de réalisabilité pratique de la synthèse. Il ne sera possible de déterminer si la molécule recherchée a effectivement été obtenue qu’après l’obtention expérimentale et l’analyse analytique du matériau. La priorisation informatique et la réalisabilité chimique sont des étapes distinctes mais liées de manière étroite de la recherche.

20. Peut-être que le peptide sélectionné dans le phage display se comporte différemment en tant que molécule libre ?

Oui. Dans le cas du phage display, le peptide se trouve dans un milieu associé au support, ce qui peut affecter sa conformation, son orientation, sa disponibilité, sa densité locale et son affinité. Le peptide libre ne possède pas ces caractéristiques et peut donc présenter d'autres comportements apparents lors de la liaison. Dans les premières études de phage display, les ligands présentés sur les phages ont été comparés à leurs homologues synthétisés chimiquement, ce qui montre l'importance de cette distinction expérimentale. [1] La sélection phage efficace constitue donc une preuve valable de la séquence présentée, tandis qu'une étude indépendante est nécessaire pour déterminer le comportement du peptide libre correspondant.

Les limitations des preuves issues des bibliothèques peptidiques et des prédictions

Lors de l’interprétation des études bibliographiques sur les peptides, il convient de tenir compte de plusieurs limitations.

Premièrement, la diversité théorique n’est pas la même chose que la diversité expérimentale réelle. La représentation inégale, les problèmes de synthèse, les différences dans la multiplication et la manière de procéder à l’échantillonnage peuvent modifier la composition réelle de la bibliothèque. [4]

Deuxièmement, l’enrichissement lors du screening ne confirme pas automatiquement un lien avec l’objectif. Les interactions avec la surface et l’avantage de reproduction peuvent mener à l’enrichissement par des mécanismes différents. [6] [7]

Troisièmement, la manière de présenter les molécules est importante. Les peptides attachés aux phages, aux particules ou à des surfaces peuvent se comporter différemment que les mêmes molécules dans un milieu aqueux en raison de leur disponibilité, de leur orientation, de leur densité locale ou de leur absence d’orientation. [1] [8]

Quatrièmement, la liaison, la sélectivité et la fonction sont des propriétés différentes. Le fait de démontrer l'une d'entre elles ne confirme pas automatiquement les autres.

Cinquièmement, la prédiction informatique dépend du modèle. Les données d’entraînement, la manière d’évaluer les résultats, la représentation moléculaire et les hypothèses adoptées déterminent le poids que l’on peut accorder au résultat. [3] [9]

En sixième lieu, les résultats de l'adhésion ne sont pas des mesures expérimentales d'affinité. Les modèles structurels et les fonctions ponctuelles peuvent aider à choisir les hypothèses, mais la véritable interaction lors de l'adhésion nécessite des mesures expérimentales. [10] [11] [13]

Septièmement, la forme chimique est importante. Les groupes terminaux, les acides aminés non standardisés, la chimie stéréochimique et d'autres modifications doivent être correctement représentées dans les descriptions expérimentales ainsi que dans les modèles informatiques. [13] [14] [15]

Enfin, les résultats du dépistage sont le début de la validation, et non sa fin. L’élaboration indépendante du matériel, la caractérisation moléculaire, les contrôles, les tests complémentaires et la réplication renforcent progressivement les preuves disponibles.

Résumé

Les bibliothèques de peptides permettent d'étudier systématiquement l'immense espace des séquences moléculaires possibles.

Ils permettent de comparer de nombreux candidats et d’analyser des questions liées à :

• par la reconnaissance moléculaire ;
• les substrats d'enzymes ;
• des motifs séquentiels ;
• par liaison ;
• Selon les relations structure-activité ;
• avec des réponses cellulaires ;
• par des prédictions informatiques.

Le terme „ bibliothèque de peptides ” englobe cependant plusieurs formats de recherche fondamentalement différents.

La bibliothèque des peptides adjacents aide à cartographier les régions d'une séquence plus longue.

Une bibliothèque de références ciblée permet d’analyser le sens des différentes propositions.

La bibliothèque phage display combine le peptide présenté avec l’information génétique et permet la sélection.

La bibliothèque one-bead–one-compound organise des candidats synthétiques sur des billes individuelles.

La bibliothèque virtuelle existe sous forme numérique et peut servir à établir les priorités des séquences avant le début des études expérimentales.

Ces formats ne doivent pas être considérés comme interchangeables.

Une interprétation prudente exige également la taille de la bibliothèque.

Une collection théorique comprenant des millions de séquences possibles ne prouve pas que chaque élément de cette collection soit physiquement présent, représenté uniformément, chimiquement correct et effectivement soumis à un screening. Les études utilisant le séquençage profond montrent pourquoi la composition réelle de la bibliothèque peut différer de la diversité prévue. [4]

De même, l’enrichissement n’est pas synonyme d’un lien intrinsèque avec le but.

Les clones fongiques peuvent être enrichis grâce à des mécanismes non liés à l’objectif initial, tels que l’interaction avec la surface ou la préférence pour la reproduction [6],[7].

C’est pourquoi des contrôles appropriés et des études indépendantes sont si importants.

La même prudence s'applique à la conception informatique des peptides.

Les modèles séquentiels et les outils de construction de modèles peuvent aider à identifier des candidats prometteurs et à formuler des hypothèses mécanistes, mais leurs prédictions dépendent des données d'entraînement, de la représentation structurelle, des fonctions ponctuelles et des hypothèses initiales. [3] [9] [10] [11]

Le résultat positif de la fixation n'est pas en soi une preuve de la forte solidité de la liaison expérimentale.

La séquence générée par ordinateur ne prouve pas qu'elle puisse être synthétisée correctement.

L’interaction prévue ne confirme pas la fonction biologique.

Le processus d’exploration des peptides le plus informatif traite donc les différents types de preuves comme des étapes distinctes mais mutuellement complétant :

conception → conception de la bibliothèque → sélection → identification des résultats pertinents → confirmation indépendante → caractérisation → amélioration des calculs → validation expérimentale.

La force du résultat final dépend de la manière dont ces étapes ont été soigneusement intégrées.

La règle la plus importante peut être résumée de manière simple :

La bibliothèque indique les possibilités, le screening identifie les signaux, le modèle génère des prédictions, et la validation détermine lesquels des conclusions sont réellement corroborées par des données expérimentales.

Avis de non-responsabilité

Cet article a uniquement un caractère éducatif et scientifique-informatif. Il décrit les principes généraux concernant les bibliothèques de peptides, la technologie phage display, le screening des peptides synthétiques, la conception de séquences, la prédiction informatique, la synthèse de peptides, le modélisation moléculaire, la validation expérimentale et la reproductibilité des études. Il ne constitue pas de conseil médical, de recommandations thérapeutiques, d’instructions d’utilisation des peptides, d’informations sur la posologie ni de conseils concernant leur administration aux personnes. Les prédictions informatiques, les résultats obtenus lors du screening, les résultats de la synthèse et les résultats expérimentaux précliniques ne doivent pas être interprétés comme une preuve que le peptide en question est sûr, efficace, cliniquement validé ou approprié à l’utilisation chez l’homme.

Références

1. Barrett, R. W., Cwirla, S. E., Ackerman, M. S., Olson, A. M., Peters, E. A., & Dower, W. J. (1992). Enrichissement sélectif et caractérisation de ligands à haute affinité issus de collections de peptides aléatoires sur des phages filamentaires. Biochemistry analytique, 204(2), 357–364. https://doi.org/10.1016/0003-2697(92)90252-3
2. Lam, K. S., Salmon, S. E., Hersh, E. M., Hruby, V. J., Kazmierski, W. M., & Knapp, R. J. (1991). Un nouveau type de bibliothèque de peptides synthétiques pour identifier l'activité de liaison avec les ligands. Nature, 354(6348), 82–84. https://doi.org/10.1038/354082a0
3. Tallorin, L., Wang, J., Kim, W. E., Sahu, S., Kosa, N. M., Yang, P., Thompson, M., Gilson, M. K., Frazier, P. I., Burkart, M. D., & Gianneschi, N. C. (2018). Découverte de substrats peptidiques inédits pour les enzymes à l’aide de l’apprentissage automatique. Nature Communications, 9(1), Article 5253. https://doi.org/10.1038/s41467-018-07717-6
4. Sloth, A. B., Bakhshinejad, B., Jensen, M., Stavnsbjerg, C., Liisberg, M. B., Rossing, M., & Kjaer, A. (2022). Analyse de la biais compositionnel dans une bibliothèque de peptides phages commerciaux grâce au séquençage de nouvelle génération. Virus, 14(11), Article 2402. https://doi.org/10.3390/v14112402
5. Wiertz, E. J., van Gaans-van den Brink, J. A., Gausepohl, H., Prochnicka-Chalufour, A., Hoogerhout, P., & Poolman, J. T. (1992). Identification des épitopes des cellules T présents dans une protéine de la membrane externe de la meningococcique de classe 1 à l’aide d’épitopes superposés assemblés grâce à une synthèse simultanée de plusieurs peptides. Journal of Experimental Medicine, 176(1), 79–88. https://doi.org/10.1084/jem.176.1.79
6. Kamstrup Sell, D., Sloth, A. B., Bakhshinejad, B., & Kjaer, A. (2022). Une plaque blanche associée à une déletion génomique issue d'une bibliothèque de peptides à base de M13KE est enrichie de manière non liée à la cible lors de la biopanning par affichage de phages, en raison de l'avantage de propagation. International Journal of Molecular Sciences, 23(6), Article 3308. https://doi.org/10.3390/ijms23063308
7. Bakhshinejad, B., & Sadeghizadeh, M. (2016). Un peptide lié à un polymère de polystyrène non associé à un objectif isolé lors du screening d’une bibliothèque de phages. Biochemistry analytique, 512, 120–128. https://doi.org/10.1016/j.ab.2016.08.013
8. Tang, Y., Thillier, Y., Liu, R., Li, X., Lam, K. S., & Gao, T. (2017). Quantification par un seul agencement de particules de la distribution de charge des peptides lors de la synthèse d'une bibliothèque de composés à partir d'un seul agencement de particules utilisant la spectroscopie Raman confocale. Chimie analytique, 89(13), 7000–7008. https://doi.org/10.1021/acs.analchem.7b00516
9. Castorina, L. V., Grazioli, F., Machart, P., Mösch, A., & Errica, F. (2025). Évaluation des capacités de généralisation des prédictifs de liaison du TCR grâce à une analyse de la distance entre les peptides. PLOS ONE, 20(5), Article e0324011. https://doi.org/10.1371/journal.pone.0324011
10. London, N., Raveh, B., Cohen, E., Fathi, G., & Schueler-Furman, O. (2011). Rosetta FlexPepDock – serveur web – modélisation haute résolution des interactions peptide-protéine. Nucleic Acids Research, 39(Serveur Web), W249–W253. https://doi.org/10.1093/nar/gkr431
11. Alam, N., Goldstein, O., Xia, B., Porter, K. A., Kozakov, D., & Schueler-Furman, O. (2017). Dockage global de peptides et protéines à haute résolution à l’aide de PIPER-FlexPepDock basé sur des fragments. PLOS Computational Biology, 13(12), Article e1005905. https://doi.org/10.1371/journal.pcbi.1005905
12. RosettaCommons. (n.d.). FlexPepDock. Retrouvé le 20 septembre 2026, à partir de Documentation officielle
13. Bloodworth, N., Barbaro, N. R., Moretti, R., Harrison, D. G., & Meiler, J. (2022). Rosetta FlexPepDock pour prédire la liaison peptide-MHC : une approche pour les acides aminés non canoniques. PLOS ONE, 17(12), Article e0275759. https://doi.org/10.1371/journal.pone.0275759
14. CHARMM-GUI. (n.d.). Questions fréquemment posées. Retrouvé le 20 septembre 2026, à partir de Documentation officielle
15. Dennison, S. R., Mura, M., Harris, F., Morton, L. H. G., Zvelindovsky, A., & Phoenix, D. A. (2015). Le rôle de l’amidation à la C-extrémité dans les interactions membranaires du peptide antimicrobien anionique maximin H5. Biochimica et Biophysica Acta, 1848(5), 1111–1118. https://doi.org/10.1016/j.bbamem.2015.01.014