comparaison de modèle multi-objectif pour le docking moléculaire

Comparaison de modèle multi-objectif pour le docking moléculaire

J-C. Boisson

J-C. BOISSON Réunion Dock

Plan

24/04/23 J-C. BOISSON Réunion Dock 2

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

Résultats.

Perspectives.

Plan



Autre modèles.



Résultats.

Perspectives.

Un nouveau modèle tri-objectif (1/8) Il est divisé en :

un terme énergétique évaluation de la qualité du complexe ligand / site obtenu.

un terme géométrique indication sur la qualité de pénétration du ligand dans le site.

Un terme de robustesse assurance de la stabilité des complexes obtenus.


A-A Tantar, N. Melab, E-G. Talbi and B. Toursel. A Parallel Hybrid Genetic Algorithm for Protein Structure Prediction on the Computational Grid. Elsevier Science, Future Generation Computer Systems, 23(3):398-409, 2007.

Un nouveau modèle tri-objectif (2/8)


1. Energie du complexe ligand / site

Champs de force utilisé = Consistent Valence Force Field (CVFF)

Un nouveau modèle tri-objectif (3/8)2. Surface du complexe 3 possibilités:

surface de Van Der Waals (a: blue), surface accessible au solvant (b:

red), surface de Connolly (c: green).


Un nouveau modèle tri-objectif (4/8)2. Surface du complexe 3 possibilités:

surface de Van Der Waals, surface accessible au solvant surface de Connolly.


Solvent Accessible Surface Area

SASA

Papier originalS.M. Le Grand and K.M. Merz, Jr. Rapid Approximation to Molecular Surface Area

via the Use of Boolean Logic and Look-Up Tables. Journal of Computational Chemistry, 14(3):349-352 (1993).

Papier plus récent utilisant SASAA. Leaver-Fay, G.L. Butterfoss, J. Snoeyink and B. Kuhlman. Maintaining solvent

accessible surface area under rotamer substitution for protein design. Journal of Computational Chemistry, 28(8):1336-1341 (2007).



SASA = 6201 Å2

SASA = 5548 Å2



3. Robustesse du complexeG =

Un nouveau modèle tri-objectif (7/8) :échantillonnage à base de rotations


Un nouveau modèle tri-objectif (8/8) :

échantillonnage à base de translations


Plan



Autre modèles.



Résultats.

Perspectives.

Modèles testés


Champ de force

CVFF Autodock 4.0

Modèle Etotal Elies Enlies Etotale Elies Enlies Surface

Robustesse

M1 X XM2 X XM3 X X XM4 X X XM5 X XM6 X XM7 X X XM8 X X X

Plan



Autre modèles.



Résultats.

Perspectives.

Non-dominated Sorting GA (NSGA-II) [Deb et al. 2002]

Assignement de la fitness, tri selon la dominance : Population divisée selon les fronts. Fitness (x) = indice de front auquel appartient x.

Préservation de la diversité distance. Sélection tournoi binaire. Opérateurs de recombinaison et mutation. Remplacement les pires individus sont

supprimés. Archive élististe des meilleures solutions

rencontrées24/04/23 J-C. BOISSON Réunion Dock 15

Indicator-Based EA (IBEA)[Zitzler et al. 2004]

Assignement de la fitness selon l’indicateur de qualité Qi : Fitness (x) = Qi (x , P\{x})

Préservation de la diversité aucune. Sélection par tournoi binaire. Opérateurs de recombinaison et mutation. Remplacement suppression des pires

individus et mise à jour des fitness des invididus conservés.

Archive élististe des meilleures solutions rencontrées


Résultats de comparaison (1/2)


Instance Algorithme IBEA NSGA-II IBEA NSGA-II

6rsa IBEANSGA-II

-<

>-

-<

>-

1mbi IBEANSGA-II

-<

>-

-<

>-

2tsc IBEANSGA-II

-~

~-

-<

>-

1htf IBEANSGA-II

-~

~-

-~

~-

1dog IBEANSGA-II

-<

>-

-<

>-

hII

Instances de la base ccdc astex.

> meilleur < moins bon~ non significatif

Résultats de comparaison (2/2)


Instance RMSD (Å) dst RMSD (Å) dst

6rsa 1.66 1.04 1.32 1.3

1mbi 5.2 0.4 4.16 0.8

2tsc 2.19 2.75 2.19 2.68

1htf 2.88 2.64 2.59 1.33

1dog 4.38 0.99 2.44 0.56

NSGA-II IBEA

Å Angström

dst déviation standard

Instances de la base ccdc astex.

Plan



Autre modèles.



Résultats.

Perspectives.

Configurations d’opérateurs


ProfilDocking

RT RTs Reverse SBRot SMO MDRL MDRTrigide flexible

P1R X XP1 X X X

P2R X X XP2 X X X X

P3R X X XP3 X X X X

P4R X X XP4 X X X X

P5R X X XP5 X X X X

P6R X X XP6 X X X X

Plan



Autre modèles.



Résultats.

Perspectives.

Résultats sur 6 instances Meilleurs modèles : M4, M5, M7 et M8.

Impact positif des objectifs surface et robustesse.

Comportement équivalent CVFF et Autodock.

Meilleurs profils : P1, P5 et P6. Apport de l’hybridation.

Globalement, la flexibilité apporte de meilleurs résultats.

RMSD moyen 2,2.24/04/23 J-C. BOISSON Réunion Dock 22

Plan



Autre modèles.



Résultats.

Perspectives.

Perspectives Suite des tests sur la base CCDC-Astex.

Optimisation des meilleurs modèles et profils.

Hybridation avec des recherches locales multi-objectif.

Nouveaux modèles de coopération.

24/04/23 J-C. BOISSON Roadef2008 24

Questions ?


AG : codage d’un individu


Site Ligand

X1 Y1 Z1

X2 Y2 Z2

X3 Y3 Z3

. . .

. . .XN YN ZN

X’1 Y’1 Z’1

X’2 Y’2 Z’2

X’3 Y’3 Z’3

. . .

. . .X’N Y’N Z’N

« docking complex »

AG: initialisation de la population Génération du site le même pour tous

les individus.

Génération du ligand perturbations aléatoires d’un ligand « graine ». Combinaison de :

Rotation(s) globale(s),

Rotation(s) d’un angle de torsion modification de conformation.


AG : opérateur de croisement


S1 + L1 S2 + L2

S1 + L2 S2 + L1

Parents

Enfants

AG : opérateur de mutation


Translation

Rotation

Rotation d’un angle de torsion

PARAllel and DIStributed Evolving Objects


EO

ParadisEO

MO MOEO

http://paradiseo.gforge.inria.fr/ Evolving Object (EO), développement d’algorithme à base de population de solutions: EA, PSO. Moving Objects (MO), mise en place de recherches locales : HC, SA, TS, ILS. Multi-Objective EO (MOEO), développement d’algorithme

évolutionnaire multi-objectifs : NSGA-II, IBEA, … ParadisEO (PEO), mise en place de métaheuristiques

parallèles.

A. Liefooghe, M. Basseur, L. Jourdan and E-G. Talbi. ParadisEO-MOEO: A Framework for Multi-Objective Optimization. Proceedings of EMO’2007, pages 457-471, LNCS, Springer-Verlag, 2007.

S. Cahon, N. Melab and E-G. Talbi, ParadisEO: A Framework for the Reusable Design of Parallel and Distributed Metaheuristics. Journal of Heuristics, vol. 10(3), pp.357-380, May 2004.

http://paradiseo.gforge.inria.fr/

comparaison de modèle multi-objectif pour le docking moléculaire

Documents