Stochastic Proximity Embedding (pSPE)

Avant d’analyser les conformations regroupées par l’algorithme pSPE, nous devons déterminer la va- leur optimale du cutoff rc qui maximise la corrélation tout en diminuant le stress (voir méthodes). Dans le

cas des trajectoires aMD de la forme libre du LBD de RXR–, les résultats montrent que la corrélation “ (en bleu ci-dessous) se stabilise à partir d’un cutoff rc égal à une distance dihédrale supérieure à 0.40. À partir

de cette valeur, chaque configuration finale obtenue à l’aide de la méthode pSPE possède une corrélation “ supérieure ou égale à 60 %. Quant au stress, on constate aussi une augmentation progressive à partir d’un cutoff rc égal à 0.30 jusqu’à atteindre aussi un plateau à partir de 0.44, avec un stress supérieur ou égal à

0.17, pour toutes les trajectoires aMD. Cela signifie qu’à partir d’un cutoff rcde 0.44, toutes les distances

entre les conformations sont considérées lors de la procédure d’optimisation pSPE. Ainsi à partir des résul- tats obtenus, nous avons choisi un cutoff rcégal à 0.33 qui correspond à un stress faible de moins de 0.01

tout en montrant une corrélation supérieure à 0.6. Ce qui voudra dire que lors du processus d’optimisation par la méthode pSPE, seront considérées comme « voisines » les conformations séparées par une distance dihédrale inférieure ou égale à un cutoff rcde 0.33.

FIGURE5.34 – Évolution du stress (en rouge) ainsi que de la corrélation “ (en bleu) en fonction du cutoff rc, allant de 0.1 à 1.0 par intervalle de 0.01, avec 5000 cycles d’optimisation et 10.000 conformations au

CHAPITRE 5. DYNAMIQUE CONFORMATIONNELLE DU LBD DE RXR– 149 La qualité de la configuration finale dépend également du nombre de cycles d’optimisation de la mé- thode pSPE. Plus on augmente le nombre total de cycles d’optimisation, plus fidèle à l’espace réel sera la configuration finale dans l’espace réduit. Néanmoins, on converge entre 5000 et 10000 cycles d’opti- misation. On observe une baisse du stress, passant d’environ 0.12 et plus, pour 10 cycles d’optimisation, à environ 0.01 à partir de 5000 cycles d’optimisation, jusqu’à 10 000 cycles d’optimisation où aucune amélioration significative n’est observée. Nous constatons le même comportement en ce qui concerne la corrélation “ en fonction du nombre de cycles d’optimisation. On converge aussi, où à partir de 5000 cycles d’optimisation on atteint plus de 60 % de corrélation.

Cette observation est valable, quelque soit le nombre de conformations utilisées durant le processus d’optimisation pSPE. Le fait d’augmenter le nombre de conformations en passant de 10 000 à 50 000 et enfin 100 000 ne semble pas influencer significativement le nombre minimal nécessaire pour obtenir une configuration finale optimale. Ainsi les résultats montrent que la méthode pSPE est stable, quelque soit le nombre de conformations utilisées lors du processus d’optimisation.

FIGURE5.35 – Évolution du stress (en rouge) ainsi que de la corrélation “ (en bleu) en fonction du nombre

de cycles d’optimisation, 10, 50, 100, 500, 1000, 5000, 10 000, 50 000 et 100 000, avec un cutoff fixe rc

égal à 0.33 et aussi en faisant varier le nombre de conformations utilisées, en passant de 10 000 à 50 000 et 100 000.

5.3.5.2.2 Forme liée à 9cRA du LBD de RXR–

Les trajectoires aMD de la forme liée du LBD de RXR– donnent des résultats similaires à ceux de la forme libre. La corrélation “ se stabilise et plafonne aux alentours de 60 % à partir d’un cutoff rc égal à

CHAPITRE 5. DYNAMIQUE CONFORMATIONNELLE DU LBD DE RXR– 150 atteindre un plateau à 0.40 avec un stress à environ 0.17. Ainsi en nous basant sur l’évolution du stress et de la corrélation “ en fonction du cutoff rc, nous choisirons un cutoff rc égal à 0.27 qui correspond à un

stress très faible de l’ordre de 0.004 avec une corrélation de 0.6.

FIGURE5.36 – Évolution du stress (en rouge) ainsi que de la corrélation “ (en bleu) en fonction du cutoff rc, allant de 0.1 à 1.0 par intervalle de 0.01, avec 5000 cycles d’optimisation et 10.000 conformations au

total, avec un intervalle de 100 ps, provenant des trajectoires aMD de la forme liée à 9cRA du LBD de RXR–.

Nous avons également testé l’influence du nombre de cycles d’optimisation sur la qualité de la confi- guration finale obtenue. On obtient les mêmes résultats que dans le cas de la forme libre. À mesure que le nombre de cycles d’optimisation augmente, on observe une augmentation de la corrélation “ ainsi qu’une diminution progressive du stress. Dans le cas du stress, un minimum est atteint entre 5000 et 10000 cycles d’optimisation. Cependant, en ce qui concerne la corrélation “, le plateau n’est réellement atteint qu’à partir de 10.000 cycles d’optimisation avec une corrélation “ de l’ordre de 60 %, contrairement aux trajec- toires aMD de la forme libre où l’on observe un plateau à partir de 5000 cycles d’optimisation. De plus, le fait d’augmenter le nombre de conformations, en passant de 10000 à 50000 et 100000 conformations, n’in- fluence en rien le nombre minimal de cycles d’optimisation nécessaire pour obtenir une configuration finale optimale. Même avec 100000 conformations, la corrélation “ et le stress convergent à la même vitesse. À partir de 10000 cycles d’optimisation, on atteint aussi une corrélation aux alentours de 60% et un stress inférieur aussi à 0.01. Au final, on peut à nouveau conclure dans le cas des trajectoires aMD de la forme liée du LBD de RXR–,quelque soit le nombre de conformations utilisées lors du processus d’optimisation, les résultats obtenus sont stables malgré le fait que la méthode pSPE soit de nature stochastique.

CHAPITRE 5. DYNAMIQUE CONFORMATIONNELLE DU LBD DE RXR– 151

FIGURE5.37 – Évolution du stress (en rouge) ainsi que de la corrélation “ (en bleu) en fonction du nombre

de cycles d’optimisation C, 10, 50, 100, 500, 1000, 5000, 10 000, 50 000 et 100 000, avec un cutoff fixe rc

égal à 0.27 et aussi en faisant varier le nombre de conformations utilisées, en passant de 10 000 à 50 000 et 100 000.

5.3.5.3 Description des conformations