6. Dans les processus de conception

Coté chimie
C’était déjà suffisamment compliqué, mais il faut savoir que lorsque le chimiste affecte ces numéros de molécule, c’est pour son article, il n’a pas utilisé ses ‘vraies’ références. D’une manière générale chaque molécule est identifiée dans un cahier de laboratoire, il s’agit d’une exigence règlementaire suivie tant par les chimistes du secteur public que ceux du privé. On trouve généralement dans cette référence un code correspondant au chimiste (cf. les initiales prénom/nom) et un numéro, par exemple CL18 ou CM2345 … on peut aussi trouver une référence pour un cahier de laboratoire en particulier, une année (plus rares mais possibles).
Nous avons donc une nouvelle numérotation, son intérêt est de retrouver rapidement qui a synthétisé la molécule ou le cahier, et c’est plutôt ces identifiants qui vont être référencés dans une base de donnée chimique.
La numérotation des articles ne peut pas être homogène pour plusieurs raisons. Toutes les molécules ne sont pas synthétisées dans le même ordre que celui de l’article, toutes les molécules produites ne sont pas publiées, des molécules ont été synthétisées au dernier moment … D’autre part toutes les molécules présentes dans un article ne sont pas réalisées par un seul auteur, chercheurs, étudiants et techniciens/ingénieurs se partagent le travail, mais ne partagent pas les mêmes identifiants.
Nous savons également que le travail des laboratoires publics s’appuie en grande partie sur le travail des étudiants, donc la production de rapports de stage M2 et de thèses. Dans l’optique d’un travail rétrospectif, il ne sera pas surprenant de trouver encore un autre type de numérotation dans les thèses.

Coté modélisation
Imaginons que nous devions faire des calculs modélisation ou arrimage (docking) moléculaires. Dans un cas simple, nous devons obtenir du chimiste, une liste de molécules. Sauf qu’il s’agit d’une liste, à un instant donné, c’est à dire avant publication. Nous disposerons donc des formules développées et un identifiant, qui peut être la référence du cahier de laboratoire, ou un numéro intermédiaire. La recherche n’avance pas de manière linéaire, la numérotation finale ne sera disponible qu’au moment ou l’article est soumis à l’éditeur (donc susceptible de changer jusqu’à la dernière minute).
Donc nous avons aussi un système d’identification qui peut aussi être lié à des contraintes logicielles. Généralement nous préférons avoir un identifiant à 3 caractères (chiffres et lettres) stricts (pas 1, ou 01, mais 001) pour identifier une molécule. Tout simplement pour être compatibles avec le format PDB au cas ou les molécules conçues devraient être intégrées dans une structure protéique ou exportées à ce format. En ce sens nous adoptons une numérotation correspondant à un hetero compound dans un fichier PDB. Par exemple, le dérivé 8PS (3 caractères) co-cristallisé et re-docké (blanc et cyan, NAD/NADH en vert) dans la stucture 2B37 (image du haut):

Nous nous rendons compte que les notations utilisées par les chimistes (par exemple le composé 18 arrimé dans la même structure, image du bas, en magenta) n’ont plus rien à voir avec les identifiants utilisés par les praticiens qui travaillent in silicio. Nous sommes confrontés a des identifiants à 1 .. 4 lettres, avec des caractères prime, seconde … et des identifiants qui changent constamment au cours du processus de production jusqu’à la publication finale, alors que que si nous voulons exporter les ligands au sein de fichiers PDB, nous n’avons que 3 lettres/chiffres disponibles pour le nom du résidu.
Tous les labos de chimie médicinale font la même chose, c’est normal. Mais du coté ingénierie informatique ou bioinformatique, on imagine bien que si l’on veut regrouper tous les composés, issus de plusieurs publications, dans une ligandothèque unique pour réaliser un criblage ou refaire quelques calculs, les noms vont se bousculer à la porte du fichier SDF, et il faudra le gérer (par exemple en fractionnant l’ensemble en sous-ensembles moléculaires associés à un problème ou une publication).