Protein evolution and data-driven sequence landscapes - TEL - Thèses en ligne
Thèse Année : 2023

Protein evolution and data-driven sequence landscapes

Évolution des protéines et paysages de séquences guidés par les données

Matteo Bisardi
  • Fonction : Auteur
  • PersonId : 1415159
  • IdRef : 280226888

Résumé

Thanks to the explosion of available protein sequence data, driven by next-generation sequencing, unsupervised machine learning models can be harnessed to learn protein sequence landscapes. Specifically, methods like Direct Coupling Analysis (DCA) directly consider the patterns of conservation and coevolution between protein sites. DCA has been applied to many biological problems, from predicting the fitness effects of mutations to artificial sequence generation. In this thesis, we broaden the application of DCA to study protein evolution, the dynamical process of amino acid substitutions in protein sequences driven by random mutations and natural selection. We particularly focus on the effects and implications of epistasis, which refers to the context-dependence of mutational effects. Our goal is to design and test various dynamical algorithms to navigate the data-driven sequence landscape inferred by DCA, with a focus on beta-lactamase enzyme families. Beta-lactamases are enzymes capable of degrading many commonly prescribed antibiotics posing a serious threat to health systems worldwide. Initially, we model two recently published neutral drift protein evolution experiments which used beta-lactamases as starting sequences. We demonstrate that our artificially generated libraries reproduce well the statistics of the experimental ones by introducing a sampling algorithm that relies on the fitness landscape inferred by DCA and accounts for the degeneracy of the genetic code. Computationally, we explore the influence of different experimental parameters, highlighting a trade-off between the number of experimental rounds and the sequencing depth when trying to elucidate epistatic constraints. Subsequently, we examine the deep mutational scanning experiments of two other beta-lactamase enzymes, VIM-2 and NDM-1. We analyze the role and prevalence of context-dependent mutability by integrating experimental data with DCA predictions and we propose that structural regions with intermediate solvent exposure exhibit the greatest variability in mutational effects. Furthermore, we computationally characterize mutational heterogeneities across the entire enzyme family. We then develop and test a straightforward approach to produce mutational paths between VIM-2 and NDM-1, successfully obtaining functional proteins with numerous mutations and uncovering the presence of unexpected epistatic interactions. Finally, we devise a dynamical algorithm that models proteins' evolutionary dynamics across timescales, spanning from dozens of years to eons. For the first time, this approach allows us to quantitatively model the diminishing predictability in mutational effects as sequences diverge, a phenomenon driven by epistasis.
Grâce à l'explosion des données disponibles sur les séquences de protéines, stimulée par le séquençage de nouvelle génération, les modèles d'apprentissage automatique non supervisé peuvent être exploités pour étudier les paysages de séquences de protéines. Plus précisément, des méthodes comme Direct Coupling Analysis (DCA) prennent directement en compte les motifs de conservation et de coévolution entre les sites des protéines. DCA a été appliquée à de nombreux problèmes biologiques, allant de la prédiction des effets de la fitness des mutations à la génération artificielle de séquences. Dans cette thèse, nous élargissons l'application de la DCA pour étudier l'évolution des protéines, le processus dynamique des substitutions d'acides aminés dans les séquences de protéines entraîné par des mutations aléatoires et la sélection naturelle. Nous nous concentrons particulièrement sur les effets et les implications de l'épistasie, qui se réfère à la dépendance contextuelle des effets mutationnels. Notre objectif est de concevoir et de tester différents algorithmes dynamiques pour naviguer dans le paysage de séquence basé sur les données déduit par DCA, en mettant l'accent sur les familles d'enzymes bêta-lactamase. Les bêta-lactamases sont des enzymes capables de dégrader de nombreux antibiotiques couramment prescrits, représentant une menace sérieuse pour les systèmes de santé du monde entier. Initialement, nous modélisons deux expériences d'évolution de protéines de dérive neutre récemment publiées qui ont utilisé des bêta-lactamases comme séquences de départ. Nous démontrons que nos bibliothèques générées artificiellement reproduisent bien les statistiques de celles expérimentales en introduisant un algorithme d'échantillonnage qui repose sur le paysage de fitness déduit par DCA et tient compte de la dégénérescence du code génétique. Computationnellement, nous avons exploré l'influence de différents paramètres expérimentaux, mettant en évidence un compromis entre le nombre de tours expérimentaux et la profondeur du séquençage lors de la tentative d'élucider les contraintes épistatiques. Par la suite, nous examinons les expériences de balayage mutationnel profond de deux autres enzymes bêta-lactamase, VIM-2 et NDM-1. Nous analysons le rôle et la prévalence de la mutabilité dépendante du contexte en intégrant les données expérimentales avec les prédictions DCA et nous proposons que les régions structurelles avec une exposition au solvant intermédiaire montrent la plus grande variabilité dans les effets mutationnels. De plus, nous caractérisons computationnellement les hétérogénéités mutationnelles à travers toute la famille d'enzymes. Nous développons et testons ensuite une approche simple pour produire des chemins mutationnels entre VIM-2 et NDM-1, obtenant avec succès des protéines fonctionnelles avec de nombreuses mutations et révélant la présence d'interactions épistatiques inattendues. Enfin, nous concevons un algorithme dynamique qui modélise la dynamique évolutive des protéines à travers les échelles de temps, allant de dizaines d'années à des éons. Pour la première fois, cette approche nous permet de modéliser quantitativement la diminution de la prévisibilité des effets mutationnels à mesure que les séquences divergent, un phénomène entraîné par l'épistasie.
Fichier principal
Vignette du fichier
va_Bisardi_Matteo.pdf (22.64 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04696587 , version 1 (13-09-2024)

Identifiants

  • HAL Id : tel-04696587 , version 1

Citer

Matteo Bisardi. Protein evolution and data-driven sequence landscapes. Molecular biology. Université Paris Cité, 2023. English. ⟨NNT : 2023UNIP7225⟩. ⟨tel-04696587⟩
0 Consultations
0 Téléchargements

Partager

More