Découverte de motifs relationnels en bioinformatique: application à la prédiction de ponts disulfures - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2005

Relational patterns' discovery in bioinformatics: application to the prediction of disulfide bonds in proteins.

Découverte de motifs relationnels en bioinformatique: application à la prédiction de ponts disulfures

Résumé

The main properties of proteins may be determined from their three-dimensional structure. Bridging this ``knowledge gap'' requires automatic methods capable of inferring folds from sequences. Our contribution to this ambitious goal addresses the prediction of particular interactions inside these macro-molecules. The tertiary folds of native proteins are defined by a large number of weak interactions. Proteins are also stabilized covalently by disulfide bonds formed by a pair of cysteine residues in the folded state. We focus on the prediction of these disulfide bonds formed by a pair of cystein residues in the folded state.
We propose to tackle with the problem of prediction of interactions between cysteins in the framework, in the first step, of grammatical inference, especially control sets introduced by Y. Takada and, in the second step, of inductive logic programming. A lot of experiments show that grammatical inference algorithms have to be improve to be able to work on protein sequences. On the over hand, we obtain explicit rules of prediction of oxidized state of cysteins which can be easily interpreted by biologists. We propose an heuristic induction algorithm which can be use for different problems. We obtain several rules and we can see that with only 17 rules, more than 90\% of the two data bases we use are covered, which is a very good result given the simplicity of the characterization.
Déterminer la structure 3D des protéines expérimentalement est une tâche très lourde et coûteuse, qui peut s'avérer parfois impossible à réaliser. L'arrivée massive de données provenant des programmes de séquençage à grande échelle impose de passer d'une approche biochimique à une approche bioinformatique, et nécessite en particulier de développer des méthodes de prédiction sur des séquences.
Cette thèse propose l'exploration de deux nouvelles pistes pour progresser dans la résolution de prédiction de ponts disulfures dans les protéines. Cette liaison covalente stabilise et contraint fortement la conformation spatiale de la protéine et la connaissance des positions où elle intervient peut réduire considérablement la complexité du problème de la prédiction de la structure 3D. Pour cela, nous utilisons dans un premier temps, l'inférence grammaticale et plus particulièrement les langages de contrôle introduit par Y. Takada, puis dans un deuxième temps, la programmation logique inductive.
Diverses expériences visent à confronter un cadre théorique d'apprentissage et des algorithmes généraux d'inférence grammaticale régulière à une application pratique de prédiction d'appariements spécifiques au sein d'une séquence protéique. D'autres expérimentations montrent que la programmation logique inductive donne de bons résultats sur la prédiction de l'état oxydé des cystéines en inférant des règles interprétables par les biologistes. Nous proposons un algorithme d'induction heuristique dont l'idée est d'effectuer plusieurs phases d'apprentissage en tenant compte des résultats obtenus aux phases précédentes permettant ainsi de diminuer considérablement la combinatoire dans les espaces d'hypothèses logiques en construisant des règles de plus en plus discriminantes.
Fichier principal
Vignette du fichier
jacquemin.pdf (4 Ko) Télécharger le fichier

Dates et versions

tel-00185499 , version 1 (06-11-2007)

Identifiants

  • HAL Id : tel-00185499 , version 1

Citer

Ingrid Jacquemin. Découverte de motifs relationnels en bioinformatique: application à la prédiction de ponts disulfures. Biochimie [q-bio.BM]. Université Rennes 1, 2005. Français. ⟨NNT : ⟩. ⟨tel-00185499⟩
343 Consultations
160 Téléchargements

Partager

Gmail Facebook X LinkedIn More