3. Sauf que ce n’est pas fini

Si les molécules entrent dans un processus de d’arrimage moléculaire (docking) ou de modélisation, les choses vont encore se compliquer.

Signalement du référentiel
Par exemple si nous travaillons avec plusieurs structures alignées, on en choisit une pour référence (le choix n’est parfois pas évident) et on va aligner toutes les autres dessus, ce qui permettra de réaliser des comparaisons entre structures et de déterminer des éléments de dynamique structurale (changement conformationnels entre structures) ou des relations structure fonction. Dans la PDB chaque structure protéique est orientée de manière indépendante, on ne peut pas faire autrement. Dans cet exemple on a aligné (orienté et superposé) 2B35 sur 1P45, si les protéines sont alignées, le résultat est que les ligands qui sont dans des cavités ayant des formes similaires (comme des clés dans des serrures) seront alignés. On dit alors que l’on est dans le même référentiel, et la conformation et l’orientation des molécules de ligand pourront être directement comparées, même si on se passe de la protéine autour. Dans ce cas, les fichiers doivent donner cette information, soit par exemple TCL_400_1P45A_ref.mol.

Hydrogénation
On remarquera aussi que les molécules de ligand ne comportent pas d’hydrogènes, nécessaires pour la modélisation (par exemple la prise en compte de liaisons hydrogènes), donc TCL_400_1P45A_ref_h.mol après l’ajout des hydrogènes.

Optimisation
Autre problème, il est connu que les fichiers PDB, et en particulier les ligands dans les structures ne sont pas tout à fait exacts du point de vue chimique. Les cycles aromatiques peuvent ne pas être tout à fait plans, ce qui va peut être poser des problèmes aux logiciels de calcul qui vont utiliser les molécules (non reconnaissance de l’aromaticité). Par exemple si on extrait les molécules de Triclosan, qu’on les regroupe et qu’on les importe dans un autre logiciel, on se rends compte que l’aromaticité n’a pas été bien perçue pour une d’entre elles (la TCL_450_1P45A en haut) :

Donc il va falloir enlever l’hydrogène en trop, modifier les liaisons du cycle pour rétablir l’aromaticité (pointillés) et optimiser (optimisation géométrique) par partie, c’est à dire sur ce cycle, sans toucher à la position ou à l’orientation dans l’espace de cette molécule (dans l’absolu et par rapport aux autres). De même pour une fonction cétone (=O) qui est apparue alors qu’un alcool (-OH) est présent sur ce cycle. Dans ce cas il faudra signaler que la molécule est optimisée par exemple TCL_400_1P45A_opt_ref_h.mol avec hydrogènes et dans l’espace de référence. Un nom dans lequel nous retrancherons, la chaine _h, ou/et la chaine _ref pour d’autres cas de figures optimisés. Un peu lourd mais nous évitons ainsi toute ambiguïté.

Charges et hybridations
Il est difficile parfois de déterminer certaines formules, car même à une bonne résolution (de l’ordre de 1 à 2 Å)on ne ‘voit pas’ les atomes d’hydrogène dans ce type de cristallographie. Cas typique, il est difficile dans la série des cristallographies de InhA comprenant le cofacteur NAD, de savoir s’il s’agit de la forme oxydée NAD+ ou réduite NADH:

D’ailleurs on distingue dans l’image du site actif que ces deux noyaux nicotinamide (partie gauche du cofacteur) sont globalement plans et alignés dans la cristallographie alors qu’il est admis que la conformation de ces deux cycles présente des différences (un est moins plan que l’autre). Donc on peut être amené à faire des choix, et choisir NAD+ par rapport à NADH. Le choix n’est pas forcément évident, il impactera sur le futur des calculs, et à son tour il entrainera des modifications (par exemple charges formelles) et validations de la structure. Donc un nom pour les molécules optimisée et vérifiées (charges formelles, hybridations, types de liaisons), par exemple  NAD_301_2B35A_ref_h_opt.mol qui pourrait embarquer en plus un + ou _pos si la structure est chargée. Ou sans cette annotation, si à un pH biologique donné (en général 7.2) nous considérons que la majorité des molécules sont chargées (en admettant que le pH dans la protéine soit le même que celui du tampon). Au niveau des charges (ligands ou cofacteurs) c’est avant tout une affaire de convention.

On pourrait citer encore d’autre cas, pas exemple vous aurez remarqué qu’on s’est intéressé à la chaîne A de chaque protéine. En fait dans le cristal chaque protéine peut apparaitre sous une chaîne (monomère) ou plusieurs chaînes polypeptidiques (A, B, C …). La structure 2B35 apparaît avec 6 chaines, 1P45 avec 2 chaines. Et il arrive parfois que les conformations des chaines soient légèrement différentes, y compris dans le site actif (la cavité qui va contenir nos ligands) ou ne pas avoir cocristallisé un ligand. Donc dans le nom du ligand la valeur correspondant à la chaîne peut être différente.

4. Et pour plusieurs molécules ?

Sachant que l’on groupe souvent les molécules en collections (ligandothèques) pour faire des calculs sur une série de composés, nous allons avoir le nom de la molécule, le nom du fichier individuel, et le nom du fichier regroupant l’ensemble des molécules, en général au format SDF ou Sybyl MOL2. Par exemple, si on regroupe les 3 molécules de Triclosan précédentes on aura un fichier SDF du type:

Nous perdons les orientations relatives dans l’affichage, mais les coordonnées restent bien les mêmes et l’espace de référence est conservé. Au passage le nom de la collection n’est pas anodin: lig_3d_ref_h_opt.sdf on aurait même pu le compléter avec _ligpdb plutôt que _lig et les noms individuels (fichiers ou molécules) ont été conservés dans le fichier SDF. Si nous utilisons la même collection mais en 2D (juste les formules développées) pour d’autres objectifs (ex: rapports de calculs) il faudra utiliser la chaine _2d et non _3d et oublier _ref et _h (on n’hydrogène que les fin de chaines et certains groupes).