Modélisation moléculaire et Intelligence Artificielle pour le design computationnel de protéines : conception d'enzymes optimisées et de nano-anticorps

Proteins are fundamental components of life. Over the billions of years of evolution, proteins have evolved to perform certain functions better and faster or to achieve new functions in order to pursue the biological needs under diverse and changing conditions. The field of protein engineering is becoming a research domain of great importance. The interest of proteins with new or improved properties is increasing in health, nano/biotechnology and green chemistry.Computational Protein Design (CPD) plays a critical role in advancing the field of protein engineering and accelerating the delivery of novel proteins displaying high specificity, high efficiency and better stability. The CPD problem can be formalized as an optimization problem. Using an all-atom energy function and a reliable search method, CPD tries to identify amino acid sequences that fold into a target structure and ultimately perform a desired function. The traditional Single State Protein Design (SSD) contrasts with the increasing evidence that proteins do not remain in a unique conformational state but rather sample conformational ensembles. In this thesis we propose a MultiState Design (MSD) method which aims at alleviating SSD limitations by simultaneously considering several conformational states.In the second part of this thesis, MSD was applied on two projects that led to an experimental characterization and validation. These two projects concern two application domains: health and white biotechnologies. The first one targets GH11 Xylanases. To understand the molecular basis underlying its thermal stability and activity, Molecular Dynamics simulations were used and revealed useful characteristics to design this enzyme. This produced GH11 xylanases with improved thermal stability and catalytic activity.The second project concerns the design of a synthetic humanized nanobody scaffold. The resulting nanobody is highly expressed and shows suitable affinity with different CDR loops.Les protéines sont des composants fondamentaux de la vie. Au cours des milliards d'années d'évolution, elles ont évolué pour mieux remplir leurs fonctions ou pour réaliser de nouvelles fonctions, afin de répondre aux besoins biologiques dans des conditions diverses et changeantes. L'ingénierie des protéines est ainsi un domaine de recherche d'une grande importance. L'intérêt pour les protéines ayant des propriétés nouvelles ou améliorées augmente en santé, en bio/nanotechnologie et en chimie verte.Le design computationnel de protéines (CPD) joue un rôle essentiel pour faire progresser le domaine de l'ingénierie des protéines et accélérer la conception de nouvelles protéines présentant une haute spécificité, une grande efficacité et une meilleure stabilité. Le problème de CPD peut être formalisé comme un problème d'optimisation. A l'aide d'une fonction d'énergie et d'une méthode de recherche fiable, le CPD tente d'identifier les séquences d'acides aminés qui adoptent une structure cible et qui remplissent une fonction souhaitée. Le modèle classique à état unique (Single State Protein Design - SSD) néglige le fait que les protéines adoptent un ensemble d'états conformationnels. Dans cette thèse, nous proposons une méthode de conception multi-états (MSD) qui vise à atténuer les limitations du SSD en considérant efficacement et simultanément plusieurs états conformationnels.Dans la deuxième partie de cette thèse, le MSD a été appliqué à deux projets avec une caractérisation et une validation expérimentale. Ces projets concernent deux domaines d'application différents~: la santé et les biotechnologies blanches. Le premier concerne les xylanases GH11. Pour comprendre les bases moléculaires qui sous-tendent leur stabilité et leur activité, des simulations de dynamique moléculaire ont révélé des caractéristiques utiles pour la conception de mutants plus thermostables et plus actifs.Le second projet concerne la conception d'un squelette de nano-anticorps humanisés synthétiques. Certains de ces chassis ont montré un haut niveau d'expression et l'affinité attendue avec différentes boucles CDR