Un nouveau modèle informatique peut prédire la vitesse d’action des enzymes

Les molécules de médicaments et les biocarburants peuvent être fabriqués sur commande par des usines de cellules vivantes, où des enzymes biologiques font le travail. Aujourd’hui, des chercheurs de l’Université de technologie de Chalmers ont développé un modèle informatique capable de prédire la vitesse de fonctionnement des enzymes, permettant de trouver les usines vivantes les plus efficaces, ainsi que d’étudier des maladies difficiles.

Les enzymes sont des protéines présentes dans toutes les cellules vivantes. Leur travail consiste à agir comme des catalyseurs qui augmentent le taux de réactions chimiques spécifiques qui ont lieu dans les cellules. Les enzymes jouent donc un rôle crucial dans le fonctionnement de la vie sur terre et peuvent être comparées aux petites usines de la nature. Ils sont également utilisés dans les détergents et pour fabriquer, entre autres, des édulcorants, des colorants et des médicaments. Les utilisations potentielles sont presque infinies, mais sont entravées par le fait qu’il est coûteux et long d’étudier les enzymes.

« Étudier chaque enzyme naturelle avec des expériences en laboratoire serait impossible, elles sont tout simplement trop nombreuses. Mais avec notre algorithme, nous pouvons prédire quelles enzymes sont les plus prometteuses simplement en regardant la séquence d’acides aminés qui les composent », explique Eduard Kerkhoven, chercheur en biologie des systèmes à l’Université de technologie de Chalmers et auteur principal de l’étude.

Seules les enzymes les plus prometteuses doivent être testées

Le nombre de renouvellement enzymatique ou valeur kcat décrit la rapidité et l’efficacité d’une enzyme et est essentiel pour comprendre le métabolisme d’une cellule. Dans la nouvelle étude, les chercheurs de Chalmers ont développé un modèle informatique capable de calculer rapidement la valeur kcat. La seule information nécessaire est l’ordre des acides aminés qui composent l’enzyme – quelque chose qui est souvent largement disponible dans les bases de données ouvertes. Une fois que le modèle a effectué une première sélection, seules les enzymes les plus prometteuses doivent être testées en laboratoire.

Compte tenu du nombre d’enzymes naturelles, les chercheurs pensent que le nouveau modèle de calcul peut être d’une grande importance.

« Nous voyons de nombreuses applications biotechnologiques possibles. Par exemple, les biocarburants peuvent être produits lorsque des enzymes décomposent la biomasse dans un processus de fabrication durable. L’algorithme peut également être utilisé pour étudier les maladies du métabolisme, où les mutations peuvent entraîner des défauts dans le fonctionnement des enzymes du corps humain », explique Eduard Kerkhoven.

Plus de connaissances sur la production d’enzymes

Les applications plus possibles sont la production plus efficace de produits fabriqués à partir d’organismes naturels, par opposition aux processus industriels. La pénicilline extraite d’une moisissure en est un exemple, ainsi que le taxol anticancéreux de l’if et l’édulcorant stévia. Ils sont généralement produits en petites quantités par des organismes naturels.

“Le développement et la fabrication de nouveaux produits naturels peuvent être grandement facilités par la connaissance des enzymes qui peuvent être utilisées”, déclare Eduard Kerkhoven.

Le modèle de calcul peut également indiquer les changements de valeur kcat qui se produisent si les enzymes mutent et identifier les acides aminés indésirables qui peuvent avoir un impact majeur sur l’efficacité d’une enzyme. Le modèle peut également prédire si les enzymes produisent plus d’un “produit”.

Nous pouvons révéler si les enzymes ont des activités de « travail au noir » et produisent des métabolites indésirables. Il est utile dans les industries où vous souhaitez souvent fabriquer un seul produit pur.

Eduard Kerkhoven, chercheur en biologie des systèmes, Chalmers University of Technology

Les chercheurs ont testé leur modèle en utilisant 3 millions de valeurs de kcat pour simuler le métabolisme de plus de 300 types de levures. Ils ont créé des modèles informatiques de la vitesse à laquelle les levures pouvaient se développer ou produire certains produits, comme l’éthanol. Par rapport aux connaissances préexistantes mesurées, les chercheurs ont conclu que les modèles avec des valeurs de kcat prédites pouvaient simuler avec précision le métabolisme.