© Dunod – Toute reproduction non autorisée est un délit.
127
10.3 • Méthode de recherche des plus proches voisins (NNM)
La méthode GOR présente l’avantage d’une meilleure qualité, d’être indépendante de l’utilisateur, et d’être stable dans le temps rendant possible la comparaison
de prédictions faites sur des époques différentes. En outre, la méthode est relativement indépendante des banques de données et n’est pas sensible à l’homologie.
Plusieurs évolutions ont été apportées à la méthode originale. Tout d’abord, les
paramètres ont été recalculés en 1987 sur une banque de 75 protéines dans GOR III
puis sur une banque de 256 protéines dans GOR IV. Enfin des tables mesurant
l’information contenue dans les paires d’acides aminés (mesure de l’influence d’un
résidu donné sur la conformation d’un autre résidu) ont été calculées. Cependant, la
difficulté liée à un déficit d’observation de certaines paires a considérablement
réduit les possibilités d’utilisation.
10.3 MÉTHODE
PROCHES
DE RECHERCHE DES PLUS
VOISINS (NNM)
Il s’agit d’une méthode tirant profit de la comparaison massive de peptides à prédire
avec des peptides issus de protéines de structures 3D connues. La méthode des plus
proches voisins aussi appelée NNM (Nearest Neighbour Method) repose sur le principe que de courtes séquences similaires ont tendance à adopter la même structure
secondaire. Dès lors, il s’agit d’identifier les plus proches voisins en termes de
séquence pour prédire la structure secondaire. Il s’agit d’un principe qui possède des
exceptions. Par exemple, deux peptides de 11 acides aminés ont été observés avec
deux conformations différentes dans la banque de données de structures 3D. Dans ce
dernier cas, la structure secondaire est influencée par le repliement et l’information
globale devient prépondérante. Mais la situation fait que pour 75 % des acides
aminés environ, c’est l’information locale qui prédomine par rapport à l’information
globale. Dans la méthode originale, chaque heptapeptide (1-7, 2-8, . . ., n - 6 à n) de
la séquence « à prédire » est comparé à tous les heptapeptides d’une base de données
de référence (qui contient 126 protéines).
Prot 1 (1-7 , 2-8, . . . , n 1 -6 à n 1 )
Prot 2 (1-7 , 2-8, . . . , n 2 -6 à n 2 )
.
Prot i (1-7 , 2-8, . . . , n i -6 à n i )
.
Prot n (1-7 , 2-8, . . . , n -6 à n)
Pour effectuer les comparaisons, les auteurs ont essayé une matrice unitaire et des
matrices PAM sans succès. Ainsi une matrice dite de structure secondaire (voir
figure 3.13) a été calculée de manière empirique de façon à optimiser la qualité de
prédiction sur l’ensemble des protéines de la base de données. Un score seuil de 7 a
été fixé par les auteurs. La transformation du peptide à prédire dans un peptide de la
base de référence se fait en utilisant une somme des scores (Sc) de substitution. Dès
lors, pour des peptides similaires (S > 7) la méthode affecte la structure secondaire et
le score obtenu dans une procédure accumulative illustrée ci-après.
127
10.3 • Méthode de recherche des plus proches voisins (NNM)
La méthode GOR présente l’avantage d’une meilleure qualité, d’être indépendante de l’utilisateur, et d’être stable dans le temps rendant possible la comparaison
de prédictions faites sur des époques différentes. En outre, la méthode est relativement indépendante des banques de données et n’est pas sensible à l’homologie.
Plusieurs évolutions ont été apportées à la méthode originale. Tout d’abord, les
paramètres ont été recalculés en 1987 sur une banque de 75 protéines dans GOR III
puis sur une banque de 256 protéines dans GOR IV. Enfin des tables mesurant
l’information contenue dans les paires d’acides aminés (mesure de l’influence d’un
résidu donné sur la conformation d’un autre résidu) ont été calculées. Cependant, la
difficulté liée à un déficit d’observation de certaines paires a considérablement
réduit les possibilités d’utilisation.
10.3 MÉTHODE
PROCHES
DE RECHERCHE DES PLUS
VOISINS (NNM)
Il s’agit d’une méthode tirant profit de la comparaison massive de peptides à prédire
avec des peptides issus de protéines de structures 3D connues. La méthode des plus
proches voisins aussi appelée NNM (Nearest Neighbour Method) repose sur le principe que de courtes séquences similaires ont tendance à adopter la même structure
secondaire. Dès lors, il s’agit d’identifier les plus proches voisins en termes de
séquence pour prédire la structure secondaire. Il s’agit d’un principe qui possède des
exceptions. Par exemple, deux peptides de 11 acides aminés ont été observés avec
deux conformations différentes dans la banque de données de structures 3D. Dans ce
dernier cas, la structure secondaire est influencée par le repliement et l’information
globale devient prépondérante. Mais la situation fait que pour 75 % des acides
aminés environ, c’est l’information locale qui prédomine par rapport à l’information
globale. Dans la méthode originale, chaque heptapeptide (1-7, 2-8, . . ., n - 6 à n) de
la séquence « à prédire » est comparé à tous les heptapeptides d’une base de données
de référence (qui contient 126 protéines).
Prot 1 (1-7 , 2-8, . . . , n 1 -6 à n 1 )
Prot 2 (1-7 , 2-8, . . . , n 2 -6 à n 2 )
.
Prot i (1-7 , 2-8, . . . , n i -6 à n i )
.
Prot n (1-7 , 2-8, . . . , n -6 à n)
Pour effectuer les comparaisons, les auteurs ont essayé une matrice unitaire et des
matrices PAM sans succès. Ainsi une matrice dite de structure secondaire (voir
figure 3.13) a été calculée de manière empirique de façon à optimiser la qualité de
prédiction sur l’ensemble des protéines de la base de données. Un score seuil de 7 a
été fixé par les auteurs. La transformation du peptide à prédire dans un peptide de la
base de référence se fait en utilisant une somme des scores (Sc) de substitution. Dès
lors, pour des peptides similaires (S > 7) la méthode affecte la structure secondaire et
le score obtenu dans une procédure accumulative illustrée ci-après.