5.4 Extension : les systèmes mixtes phospholipides/protéines
5.4.3 Les résultats de simulation
Un omplexeIV,soussaformedimérique,estmodéliséparuneinstan e d'Enzymati Complex
(sous- lassedeBioAgent).L'objetesthautde100Å,longde150Åetlargede70Å.La onstru tion
paramétréede ettestru turerespe teuné artementde10Åentre lesgrainset requiertquelques
652grains. Seule la surfa eest onstituéede grains puisqu'a priori les grains internes n'ont pas
à interagirave l'extérieur. La stru ture est rigide e qui permet l'emploi d'une dynamique des
orpsrigidesidentiquesà elledesphospholipides(voirse tion4.2.1)etl'appli ationdel'équation
dumouvementEq.(4.5.15).Les grainssontpris parmiles3typesdegrainsdénispourlesphos-
pholipides, à savoir un type hydrophile (bleu), un type hydrophobe intermédiaire (violet) et un
typehydrophobefort(rouge).Cetteréutilisation destypesexistantsévite d'avoirdesparamètres
supplémentairesà alibrer.
Fig.5.4.5ComplexeIV-modélisationpargrain
et dimensions.
Dans un premier temps, on s'atta he à mod-
éliser es deux monomères pour tenter d'ob-
server la formation d'un dimère. Les deux
monomères sont positionnés à proximité l'un
del'autredansunvolumedesimulationportéà
200x200x200Å
3
.Lespotentielssontlesmêmes
entre les diérents types de points que eux
utilisés pour les lipides. Les points d'an rage
mis en éviden e sur la gure 5.4.4( ) sont i i
modéliséspardesgrainsdetypequeuesujetsà
unpotentieldont lepuits énergétiqueest plus
pronon é que les potentiels ee tifs entre les
autrestypes( fFig.4.2.2(b)du hapitre4).
Les diérentes simulations réalisées dans un
premier temps sans bi ou he donnent deux
typesde onvergen es: soitlesmonomèresat-
teignent des positions susamment pro hes pour entrer en intera tion et former un dimère qui
alorsnesesépareraplusparlasuite,soitlesmonomèresdiusentsuivantunmouvementbrownien
danstoutlevolumedesimulation,etmettrontuntempsnettementpluslongàformerundimère.
En présen e d'une bi ou he, la probabilité que les deux monomères entrent en intera tion est
200x200x200 2x800+2 10
(b)Unmonomère. ( )Deuxmonomères.
Fig.5.4.6ComplexeIV-modélisation dedeux monomères.
pourmodéliserlasurfa ed'intera tionave leslipides.Sansrajouterdenouveautypeaux3types
degrainsdénispourleslipides,ilestpossibledemodéliserlespointsd'an ragede esmonomères.
Les toutespremières simulationsdesystèmes mixtesphospholipides/monomèresdu omplexeIV
montrent que sans la présen e d'une bi ou he pour ontraindre les monomères à rester sur un
espa e2D, es denierssontsus eptiblesdediuserlongtempsavantdeseretrouversusamment
àproximitépourpouvoirformerledimère omplet du omplexe IV.
5.5 En résumé
Ce hapitreaprésenté l'ensembledessimulationsréaliséesgrâ eàlaplateforme MitoMAS.
Les premiers systèmes simulés orrespondentà des ensembles de lipides initialisés aléatoirement
dans le volume de simulation. D'une manière générale,les lipides her hent à s'agglutiner pour
former des agrégatset minimisent ainsi l'exposition des queuesau solvant. Ce résultat ohérent
ave lesdonnéesexpérimentalesmontrequ'ilestpossibled'utiliserunereprésentationimpli itedu
solvant.Parailleurs,lesstru turesde esagrégatsdépendentdeladensitéinitialeenlipides.
Parlasuite,lessimulationsdelipidesenmono ou heontpermisdemettreenavantl'inuen ede
ladistan ede oupure( uto).En termed'e a itédessimulations,plusladistan e de oupure
estgrande,plusilyadedistan es al uléesetpluslespasdetempsd'intégrationsont ourtspour
ompenserdes intensitésélevées desfor es. En terme derésultats,les systèmesévoluentversdes
ongurations qualitativement semblables mais les dynamiques se révèlent d'autant plusrapides
queladistan e de oupureest grande.A l'issuede essimulations,nousproposonsd'utiliser une
distan e de oupureréduiteà10Å.
Les simulationsde bi ou hesproduisentdesreplis dans ertaines onditionsde pressionlatérale,
ettepressionprovenantd'unedensitéimportantedeslipidesàl'initialisation.Nousavonsmontré
que le nombreet les dimensions de es replis est fon tionjustement de ette densité initiale qui
se traduit par une aire par lipide réduite. Nous proposons une nouvelle observable basée sur la
distan e dupluspro hevoisinpermettantdesuivrelarépartitiondes lipideslesunsparrapport
aux autres tout au longde l'évolution de la stru ture de la membrane. Nous avonsvu que des
propriétés intrinsèquesauxlipides, ommeparexemplelalongueurdeleursqueuesoulenombre
de es queues, modient qualitativement lesreplis de lamembranesans pourautant fairevarier
sensiblementladispositiondeslipideslesunsparrapportauxautres.Parailleurs,nousavonspu
observerlaformationdemi rodomaines onstituésd'unseultypedelipides.
Enn, lessimulationsdesystèmes mixteslipides/protéinesontmontréquelastru ture desreplis
estsensibleàlaprésen edeprotéinesmembranairesetque esreplissont apablesdeproduiredes
onnementslo alisésdeprotéinessanspourautantque elles- isoientpro heslesunesdesautres
sur la membrane. Les premières simulationsdes deux monomères du omplexes IVde la haîne
respiratoireontmontréqu'ilétaitpossibledereprésenteruneprotéine uniquementenmodélisant
Dans estravauxdethèse,nousavonsétudiédiérentsparadigmesdemodélisationdessystèmes
biologiquesenmettantenavantleurs apa itésouleursdi ultésàprendreen omptelesparti u-
laritésdesobjetsbiologiquesetdel'environnementdanslequelilsévoluent.Lesmodèlesbaséssur
leséquationsdiérentielles permettentune analyseauniveauglobaldeladynamiquedusystème
par l'utilisation de variables moyennées mais en ontre partie, la spa ialisation des molé ules et
leur onformation sont des informations déli ates àprendre en ompte ave e paradigme.Ave
une appro he de plus en plus lo ale, nous avons abordé lesréseaux de Petri, les automates el-
lulairespour enn étudier les SystèmesMulti-Agents(SMA) apables de modéliser lessystèmes
molé ulairesdanstoutesleursspé i ités.
L'appro hela plusne utilisée en biologiese situeau niveauatomique. En eet, les modèles
baséssurlesparti ules,quesontleste hniquesdelamé aniquemolé ulaire,représententlesobjets
biologiquesauniveauatomique equi donnedesoutilsperformantspourétudierlesstru tureset
lesdynamiquesbiologiquespourdestempsdel'ordredelananose ondeetdestaillesdel'ordredu
nanomètre.Néanmoins,lessimulationsd'unsystèmesdeparti ulesenintera tionsontrapidement
limitéespar lapuissan ede al ul desordinateurs. Depuis quelquesannées,les modèlesàgrains
d'atomes oumodèlesgrosgrains,serévèlentêtreunbon ompromis entre lanessedereprésen-
tationdes molé ules et l'e a itédes simulationspuisqu'en l'o urren e,ils orentlapossibilité
d'étudierlesphénomènesbiologiquesàdesé hellesdetempsdel'ordredudixièmedemi rose onde
etd'espa edel'ordredudixièmedemi romètre, equipermetnotammentl'étudedephénomènes
ommelaformationdesreplisdesmembranes.
Dans le adre de lamodélisation de la membraneinterne mito hondriale, siège desréa tions
enzymatiques de la haîne respiratoire, es travaux de thèse proposent un modèle gros grains
qui représentelesphospholipides sousla formedetrimères re tilignesrigidesde grainsd'atomes.
Lesintera tions intermolé ulaires sontexpriméesau traversd'un ensemble depotentielsde type
Lennard-Jones. Ces potentiels modélisent impli itement le solvant et prennent en ompte l'hy-
drophobiedes queuesdes lipides.L'équation dumouvementque nousavonsdénie ontientune
omposantebrowniennepourrendre omptedel'agitationthermiquedesmolé ules.
Ce modèlegrosgrainsthéoriqueadonnélieuàune on eptionagentoùlesobjetsbiologiques
sont pris en ompte pardes agentsréa tifs situésspatialement et en intera tion lo ale ave leur
voisinage. Cette on eption a fait l'objet d'une implémentation sous la forme de la plateforme
MitoMASpermettantderéaliserdessimulationsdesystèmesdelipidesvoiredessystèmesmixtes
lipides/protéines.Les possibilitésdevisualisation etlaprodu tion destatistiquespermettentune
évaluationqualitativedesdynamiquesetune ara térisationquantitativedessystèmessimulés.
Lesrésultatsde estravauxentermedemodélisationmontrentla apa itéde etteasso iation
modèlegrosgrains et SMA àintégrerdesinformations de onformation, d'orientation et despa-
tialisationsurunnombresusantd'objetsbiologiquespoursimulerdesphénomènesbiologiquesà
l'é hellemésos opiquetelsque euximpliquésdansla haînerespiratoire.
En terme de simulations,laplateforme MitoMAS nousapermisd'étudier diérentssystèmes
demolé ules.Lessystèmesinitialisésdemanièrealéatoiremontrentuneagrégationdeslipidespour
minimiserl'expositiondesqueuesausolvant.Cephénomènenatureltendàvaliderlamodélisation
des agrégats observés. Les simulations réalisées ave des mono ou hes lipidiques ont permis de
soulignerl'inuen ede ladistan e de uto pourle al ul des potentiels intermolé ulaires.Ave
uneinitialisationdeslipidesenbi ou he,nousavonspuobserversous ertaines onditionsdepres-
sionlatéralel'apparitiondereplissimilairesà euxdelamembraneinterne.Cesreplispermettent
d'augmenter la surfa e de la membrane jusqu'à atteindre une densité en lipide de ette surfa e
orrespondantàunminimumd'énergie.A eniveau,nous proposonsune observablebaséesur la
distan edupluspro hevoisinpermettantd'appré ierl'évolutiondeladispositiondeslipideslesuns
parrapportauxautres,et eindépendammentdelaformedelabi ou he.Un ensembledesimula-
tionsave deuxtypesdephospholipidesdiéren iéssoitparlatailledesqueues,soitparlenombre
de es queues,produit des membranes qualitativement diérentes mais présentant des distan es
de pluspro hevoisin relativementidentiques. MitoMAS nous aaussi permis de simuler dessys-
tèmes mixtesphospholipides/protéinesmembranaires.Enprésen edepetitesprotéinesgénériques
imbriquées,lesreplisdelamembranenesontpluslesmêmes et onobservedans ertains asdes
onnementsdeprotéines sansque elles- isoientpro heslesunesdesautresdanslamembrane.
Lesperspe tivesde esre her hessonttrèsdiverses,notammententermesd'expérimentations
in-sili o.Ilest dorénavantpossibled'évaluerl'impa tde ertainsparamètres ommelaexibilité
desmolé ules,laprésen edesolvant,ladistan ede uto ouen oredere her herdespotentiels
plus doux qui permettent d'atteindre des temps simulés plus grands dans des temps de al ul
raisonnables.Lespremiersrésultatsdemodélisationd'undes omplexesenzymatiquesdela haîne
respiratoiremontrentqu'ilestpossibledereprésenteruneprotéineuniquementparlemaillagede
sasurfa eet e,sansavoiràdénirdenouveauxtypesdegrains.Notreobje tifestdon d'utiliser
esrésultatspourintégrerd'autres omplexesdanslamembraneetainsid'évaluerdeshypothèses
[ABB
+
81℄ S. Anderson, A. T. Bankier, B. G. Barrell, M. H. L. de Bruijn, A. R. Coulson,
J. Drouin, I. C. Eperon, D. P. Nierli h, B. A. Roe, F. Sanger, P. H. S hreier,
A. J. H. Smith, R. Staden, and I. G. Young. Sequen e and organization of the
humanmito hondrialgenome. nat,290:457465,1981.
[ABL86℄ Biologie molé ulaire de la ellule. FlammarionMéde ineS ien es,1986.
[AC96℄ MartínAbadi andLu aCardelli. ATheoryof Obje ts. Springer,1996.
[And30℄ D. H. Andrews. The relation between the raman spe tra and the stru ture of
organi mole ules. Phys. Rev.,36(3):544554,Aug1930.
[APBBFS
+
04℄ R. A in-Pérez, M. Bayona-Bafaluy, P. Fernandez-Silva, R. Moreno-Loshuertos,
A. Pérez-Martos, C. Bruno, C. Moraes, and J. Enriquez. Respiratory omplex
iii isrequiredtomaintain omplexiin mammalianmito hondria. Mole ularCell,
2004.
[APN
+
98℄ I. Arnold, K. Pfeier, W. Neupert, R. A. Stuart, and H. S hagger. Yeast mito-
hondrialf1f0-atpsynthaseexistsasadimer :identi ationofthreedimer-spe i
subunits. EMBO J.,1998.
[AV02℄ G.AytonandG.A.Voth.Bridgingmi ros opi andmesos opi simulationsoflipid
bilayers. Biophys. J.,83(6):33573370,2002.
[AV07℄ G.S. Ayton and G.A. Voth. Multis ale simulation of transmembrane proteins. J
Stru tBiol, 157:570578,2007.
[B9393℄ Random Walks inBiology. Prin eton UniversityPress,1993.
[BA82℄ U.BurkertandN.L.Allinger. Mole ularMe hani s. Washington,DC,1982.
[Ben58℄ B. Benson, A.A.and Maruo. Plant phospholipids. i. identi ation of the phos-
phatidylgly erols. InBio him BiophysA ta,volume27,pages189195,1958.
[Bez01℄ M. Bezzi. Modeling evolution and immune system by ellular automata. Rivista
del NuovoCimento, 24(1),2001.
[BLB06℄ G.Brannigan, L.C.L. Lin,and F.L.H.Brown. Impli it solventsimulationmodels
forbiomembranes. Eur.Biophys. J. Biophys. Lett.,35(2):104124,2006.
[BO27℄ M. Born and R. Oppenheimer. Zur quantentheorie der molekeln. Annalen der
Physik, 1927.
[Boy97℄ PaulD. Boyer. Theatpsynthaseasplendidmole ularma hine. AnnualReviewof
Bio hemistry,66(1):717749,1997.
[BPB05℄ G. Brannigan, P.F. Philips, and F.L.H. Brown. Flexiblelipid bilayersin impli it
solvent. Phys. Rev. E,72,2005.
[Bro03℄ F.L.H.Brown.Regulationofproteinmobilityviathermalmembraneundulations.
Biophys. J.,2003.
[Can70℄ P. B.Canham. The minimumenergy ofbending asapossible explanationof the
bi on aveshapeofhumanredblood ell. J.Theor. Biol.,1970.
[CD05℄ I.R. Cooke and M. Deserno. Solvent-freemodel for self-assembling uid bilayer
membranes:Stabilization oftheuidphasebasedonbroadattra tivetailpoten-
[Cla44℄ Albert Claude. THE CONSTITUTION OF MITOCHONDRIA AND MICRO-
SOMES, AND THE DISTRIBUTION OF NUCLEIC ACID IN THE CYTO-
PLASMOF ALEUKEMICCELL. J. Exp. Med., 80(1):1929,1944.
[CRMT03℄ C.Chaouiya,E.Remy,B.Mossé,andD.Thiery.Qualitativeanalysisofregulatory
graphs: a omputational tool basedon adis rete formal framework. InA. Ben-
venuti, L.andDe Santis and L. Farina,editors, PFirst Multidis iplinary Interna-
tional Symposiumon Positive Systems : Theory and Appli ations, volume 294of
Le tureNotesinControlandInformationS ien e,pages119126.Springer-Verlag,
2003.
[CS96℄ F.CeladaandP.E.Seiden. Anitymaturationandhypermutationinasimulation
ofthehumoralimmune response. European J.Immunology, 26:13501358,1996.
[CSM
+
07℄ A.Coulon,H. Soula,O.Mazet,O.Gandrillon,andG.Beslon. Modélisation ellu-
lairepourl'émergen edestru turesmultiprotéiques auto-organisées.Te hniqueet
S ien eInformatiques(TSI),26:125150,2007.
[CV06℄ J.W. Chu and G.A. Voth. Coarse-grainedmodeling of thea tin lament derived
fromatomisti -s alesimulations. Biophys J,90:15721582,2006.
[D93℄ PhDthesis.
[dBvdLH93℄ Rob J. de Boer, Jan D. van der Laan, and Pauline Hogeweg. Randomness and
PatternS alein theImmuneNetwork:A CellularAutomataApproa h. Thinking
AboutBiology.Addison-Wesley,1993.
[dJ02℄ H.de Jong. Modelingand simulationofgeneti regulatorysystems: Aliterature
review. J. Comp. Biol.,9(1):69105,2002.
[DML91℄ J.-M. Droue, A. C. Maggs, and S. Leibler. Computer Simulations of Self-
Assembled Membranes. S ien e,254:13531356,November1991.
[EA94℄ F.Er olessiandJ.B.Adams. Interatomi potentialsfrom rst-prin iples al ula-
tions:thefor e-mat hingmethod. Europhys.Lett.,1994.
[EW95℄ P. Espanoland P.Warren. Statisti al-me hani sof dissipativeparti le dynami s,
1995.
[Far03℄ O.Farago. "water-free" omputer model for uid bilayermembranes. J. Chem.
Phys.,119(1):596605,2003.
[FB93℄ KurtFleis herandAlanH.Barr.Asimulationtestbedforthestudyofmulti ellular
development:Themultiple me hanismsofmorphogenesis. pages389416,1993.
[FC99℄ Eirik G.Flekkoy and Peter V. Coveney. From mole ular dynami s to dissipative
parti ledynami s. Phys. Rev.Lett.,83(9):17751778,Aug1999.
[Fel00℄ S.E.Feller. Mole ulardynami s simulations of lipid bilayers. Curr Opin Colloid
Interfa eS i,5:217223,2000.
[Fer95℄ J.Ferber. LesSystèmesMulti-Agents. Inter-Editions,1995.
[FG℄ J.FerberandO.Gutkne ht. Ameta-modelfortheanalysisanddesignoforganiza-
tionsinmulti-agentsystems.InPro eedingsof theThirdInternationalConferen e
onMulti-AgentSystems(ICMAS98).
[FM00℄ T.G. Frey and C. A. Mannella. Theinternal stru ture of mito hondria. Trends
Bio hem. S .,2000.
[For79℄ M.W.Formo.Physi alpropertiesoffats andfattya ids. Bailey'sindustrialoiland
fatprodu ts,volume1.Fourthedition.Wiley-Inters ien e:New-York,1979.
[FSBMP99℄ R. Faller, H. S hmitz, O. Biermann, and F. Müller-Plathe. Automati parame-
terization of for e elds for liquids by simplex optimization. J. Comput. Chem.,
1999.
[G7979℄ S aling Con eptsin PolymerPhysi s. CornellUniversityPress,1979.
[GG98℄ VolkerGaedeandOliverGünther. Multidimensional a essmethods. ACM Com-
put. Surv.,30(2):170231,1998.
[GK73℄ L.GlassandS.A.Kauman.Thelogi alanalysisof ontinuous,nonlinearbio hem-
i al ontrolnetworks.J. Theor. Biol., 39:103129,1973.
[GK92℄ G.GompperandStefan Klein. Ginzburg-landautheoryof aqueoussurfa tantso-
lutions. J. Phys. II,1992.
[GKV01℄ H. Genri h,RKuner,andK.Voss. Exe utablepetri netmodelsfortheanalysis
of metaboli pathways. International Journal on Software Tools for Te hnology
Transfer,3(4):394404,2001.
[GL98℄ R. Goetz and R. Lipowsky. Computer simulations of bilayer membranes : Self-
assemblyandinterfa ialtension. J. Chem. Phys.,108(17):73977409,1998.
[GP98℄ P.J.E.GossandJ.Pe oud. Quantitativemodelingofsto hasti systemsinmole -
ularbiologybyusingsto hasti petrinets. InPro . Natl.A ad.S i.USA95,page
6750,1998.
[GR01℄ R.D. Groot and K.L. Rabone. Mesos opi simulation of ell membrane damage,
morphology hangeandrupturebynonioni surfa tants. Biophys. J.,81:725736,
2001.
[GS℄ G.GompperandM.S hi k. Self-assembling amphiphili systems. InPhase Tran-
sitions andCriti al Phenomena.
[GT005℄ Simulation for theSo ialS ientist. OpenUniversityPressEuropean,2005.
[GT06℄ H. Gohlke and M.F. Thorpe. A natural oarse graining for simulating large
biomole ularmotion. BiophysJ,91:21152120,2006.
[Gut84℄ Antonin Guttman. R-trees : adynami index stru ture for spatial sear hing. In
SIGMOD'84:Pro eedingsofthe1984ACMSIGMODinternational onferen eon
Management ofdata,pages4757,NewYork,NY, USA,1984.ACMPress.
[GW97℄ Robert D.GrootandPatri kB.Warren. Dissipativeparti ledynami s:Bridging
the gap betweenatomisti and mesos opi simulation. The Journal of Chemi al
Physi s,107(11):44234435,1997.
[Hel73℄ W. Helfri h. Elasti propertiesoflipidbilayers:theoryand possibleexperiments.
Z.Naturfors h.C,1973.
[HK92℄ P. J. Hoogerbrugge and J. M. V. A. Koelman. Simulating mi ros opi hydrody-
nami phenomenawithdissipativeparti ledynami s. Europhysi sLetters,19:155
+,June1992.
[Hof94℄ R.Hofestadt.Apetrinetappli ationtomodelmetaboli pro esses.SAMS,16:113
122,1994.
[ISL05℄ A.Imparato,J.C.Shill o k,andR.Lipowsky.Shapeu tuationsandelasti prop-
ertiesoftwo- omponentbilayermembranes. Europhys.Lett.,69(4):650656,2005.
[IT73℄ J. Israela hvili and D. Tabor. Mole ular lms-shear properties. Nature Physi al
S ien e,241:148+,February1973.
[IV05℄ S Izvekov and G.A. Voth. A multis ale oarse-grainingmethod for biomole ular
systems. J. Phys. Chem.B,109:24692473,2005.
[KG90℄ KurtKremerandGaryS. Grest. Dynami sofentangledlinearpolymermelts:A
mole ular-dynami ssimulation. TheJournalof Chemi al Physi s,1990.
[KH93℄ J.M.V.A.KoelmanandP.J.Hoogerbrugge. Dynami simulationsofhard-sphere
suspensionsunder steadyshear. Europhysi s Letters,21:363+,January1993.
[KJD06℄ O.Kurk uoglu,R.L.Jernigan, and P. Doruker. Loopmotionsof triosephosphate
isomeraseobservedwithelasti networks. Bio hemistry,45:11731182,2006.
[KM02℄ M.KarplusandJ.A.M Cammon.Mole ulardynami ssimulationsofbiomole ules.
NatStru tBiol, 9(9):64652,2002.
[Kre40℄ H A Krebs. The itri a id y le and the szent-györgyi y le in pigeon breast
mus le. Bio hem.J.,34(5):7750,1940.
[Kuh72℄ T.Kuhn.LaStru turedesrévolutionss ientiques.nouvelletrad.parLaureMeyer,
1983.Flammarion,1972.
[LB00℄ K.B.LipkowitzandD.B.Boyd. ReviewsinComputationalChemistry.1990-2000.
[Lea96℄ A. R. Lea h. Mole ular Modelling. Prin iples and Appli ations. Addison Wesley
Longman,Essex,England,1996.
[Lr005℄ ADierent Universe: ReinventingPhysi s fromthe Bottom Down. Basi Books,