Stratégie d'intensi ation

Or, omme nous l'avons vu, l'algorithmeest apablede lo aliser rapidement les régionsprometteusesdel'espa edere her hedontlarégionnativemaisé houe à ara tériser orre tementleursénergies.Eneet,lepaysaged'énergieesttellement a identé, que ertains détails de la géométrie engendrent parfois de grandes dié-ren es énergétiques

27

. En d'autres termes,la dé ouverte du minimum absolud'une région donnée est loin d'être triviale et né essite d'importants eorts d'intensi a-tion.Nousavons don dédié ertaines planètes àune re her he spé ique autourde solutions onnues, e qui est réalisé en initialisantdire tement lespopulations ave

27

touteslessolutionsdupooluniverselappartenantàunemêmesous-régionrestreinte de l'espa e.

Ce lustering est ee tué selon le ritère de distan e i-dessous, équation (3.14) (utilisantla pondération des degrés de liberté)et une limitede distan e

D

max

:

D(Θ⁰, Θ¹) = ^X

i≤N

ddl

ωi∆(θ_i⁰, θ¹_i),

(3.14)

où la fon tion

∆

renvoie l'angle entre ses arguments, en prenant en ompte la

2π

-périodi ité de l'espa e de départ. Les onformations lesmoins énergétiques sont

hoisies omme entres pour les lusters, qui peuvent éventuellement évoluer en fon tionde l'apparitionde minimaplus profonds dans le voisinage onsidéré.

Onautorisealors unerégionprometteuseàêtreintensiéeun ertainnombre defois(paramètre

N

intens

quel'utilisateurdoit dénir)tandisquelesautresplanètes doivent éviter toute re her he dans ette zone.

Ladénitiondesparamètres

D

max

et

N

intens

estunpointparti ulièrementsensible de notre stratégie ar

 tropgrands,les lustersseraientdi ilesàé hantillonneralorsquetroppetits, ilsdeviennent rapidement très nombreux et di ilesà gérer;

 ave des petitesvaleursde

N

intens

,lare her he risquede manquerleminimum absoluetl'é hantillonnagepourraitêtrein omplet(larégiondevenant ensuite taboue), tandisque lesgrandesvaleurs de

N

intens

réquisitionnent beau oup de ressour es informatiquesne pouvant plus être utilisées à d'autres tâ hes. Pardéfaut, nousavons xé

N

intens

= 5

,toutefois,sile luster évolue parsuite de l'apparitionde nouveaux minima plus profonds, l'intensi ation reprend; la région n'est dé larée taboue qu'après

N

intens

re her hes infru tueuses.

3.6.2.4 Résultats

Pour tester le modèle planétaire, nous l'avons appliqué à trois problèmes : le triptophan zipper (1LE1), le triptophan age  (1L2Y) et un des tournants du domaine WW de la PIN (é hantillonnagepartiel, voir Ÿ 3.5.1.2). Dans les deux derniers as, nous avons réussi à lo aliser reprodu tiblement le minimum natif en l'espa e de quelques jours sur un nombre restreint de ma hines (20 à 30 n÷uds, le nombre de n÷uds réservé étantparamétrable par l'utilisateur),voirgure 3.39.

Fig. 3.39: onformation native (blan he) et meilleure onformation renvoyée par l'algorithme(rouge).

β

,sonpaysageénergétiques'apparentemoinsàunentonnoirque eluidesstru tures

dites

α

(Muñoz et al.,1997).

Dans de rares as (deux sur plusieurs dizaines de simulations), l'algorithme est apablede reproduire parfaitementlastru ture expérimentale, tant on ernant son squelette que ses haînes latérales (gure 3.40). Malheureusement, la majorité des simulations se sont arrêtées avant de dé ouvrir e minimum. Parmi les onforma-tionsrenvoyées, ily ades géométriesdontlesqueletteest orre tementprédit,mais où les haînes latérales ne orrespondent pas à la géométrie proposée par la PDB (gure3.41).Bienquelesarrangementsgéométriquesetlesintera tionsdes groupe-ments aromatiques sont en oreà l'étuded'un pointde vuethéorique etmalpris en omptepar les hamps de for es (Guven h etBrooks,2005), es géométries restent plus énergétiques quela onformation native.Autrement dit, l'algorithmeé houe à lo aliserle minimumabsolu.

Fig. 3.40:lagéométrienativetrouvéeparl'algorithme(stru tureexpérimentaleen blan ).

pro-Fig. 3.41: stru ture presque orre tedé ouverte par l'algorithme mais lassée en 79

e

positionderrièred'autresgéométriesdénaturées(lesintera tionsdestryptophanes dièrentdesprédi tionsd'autresauteurs).

Fig. 3.42: lameilleuresolutionrenvoyéeparl'algorithme orrespondàune onfor-mationdénaturée.

peuplésqui é happent éventuellementauxméthodes expérimentales. Les onforma-tions 3.41 et 3.42 re réent en eet des intera tions entre y les aromatiques. De plus, le positionnement des tryptophanes n'est pas lairement onnu : omme les stru tures expérimentales sont issues de minimisations selon des hamps de for es semi-empiriques,lepositionnementpréditdépenddumodèle hoisi.AinsiYangetal. (2004) ontproposé une stru ture légèrement diérentede la stru ture initiale (Co- hranet al.,2001)oùlestryptophaness'arrangentpluttdansune onformationoù lestran hes des uns font fa e aux y les de leurs voisins (1HRX est alors rempla é par 1LE1 dans la PDB, voirgure 3.43).

Fig.3.43:stru turetridimensionnellede1LE1(gau he)quirempla e ellede1HRX (droite). Desétudesplusré entes(Yang etal., 2004)indiquent quelesrésidus tryo-phanessepositionnentpluttenformedeT(tran he ontre fa e).

La dé ouverte de la géométrie 3.40 n'est qu'une simple question de temps de re her he, ependant, en autorisant plus de temps ou en xant des plus grandes valeursde

N

intens

, onaugmentelestempsde al ulsproportionnellementaunombre de lustersà traiter(typiquement

105

à

106

pour 1L2Yet1LE1).Unefois le luster dé laré tabou  par exemple, un luster entré sur la onformation 3.41  plus au une géométrie ne pourra être trouvée dans le domaine orrespondant. De plus, la omparaisondes as 1L2Yet1LE1montre quelabalan eoptimaleentre intensi- ationet explorationdépend de la molé ule(et pas né essairement du nombre de degrésde liberté).

Par ailleurs, les géométries presque orre tes ne sont pas en tête du lassement par énergies... Ainsi, la géométrie présentée (en rouge) dans la gure 3.41 est en position 79 dans la liste ( omportant plusieurs entaines de milliers de solutions). Lesmeilleuresénergiessontobtenuespourdes onformationsen oreplusdénaturées

Dans le document Algorithmes d'optimisation et d'analyse des problèmes multidimensionnels, non linéaires, en Biologie et Biophysique (Page 148-153)