Dictionnaire des domaines récurrents dans les structures protéiques

La croissance rapide du nombre de structures protéiques tridimensionnelles déterminées expérimentalement a accentué le besoin de sondages complets et à jour des structures connues. Les travaux classiques sur la classification des structures protéiques ont montré qu'un sondage structurel est mieux réalisé au niveau des domaines, c'est-à-dire des sous-structures qui réapparaissent dans l'évolution en tant qu'unités fonctionnelles dans différents contextes protéiques. Nous présentons une méthode d'identification automatisée des domaines à partir des coordonnées atomiques des structures protéiques basée sur des mesures quantitatives de compacité et, en tant qu'élément nouveau, de récurrence. Des critères de compacité sont utilisés pour diviser récursivement une protéine en une série de sous-structures de plus en plus petites. Des critères de récurrence sont utilisés pour sélectionner un niveau de taille optimal de ces sous-structures, de sorte que de nombreuses sous-structures choisies soient communes à différentes protéines avec un niveau de signification statistique élevé. L'application conjointe de ces critères aboutit automatiquement à des définitions de domaines cohérentes entre des homologues distants, un résultat difficile à atteindre en utilisant uniquement des critères de compacité. La méthode est appliquée à un ensemble représentatif de 1 137 familles de protéines uniques en séquence couvrant 6 500 structures connues. Le regroupement de l'ensemble résultant de domaines (sous-structures) donne 594 classes de repli distinctes (types de sous-structures). Le Dali Domain Dictionary (http://www.embl-ebi.ac.uk/dali/) fournit non seulement une classification structurelle globale, mais également une description complète des familles de séquences protéiques regroupées autour de protéines représentatives de structures connues. La classification sera continuellement mise à jour et pourra servir de base à l'amélioration de notre compréhension de l'évolution et de la fonction des protéines, ainsi qu'à l'évolution de stratégies optimales pour compléter la cartographie de toutes les structures protéiques naturelles.