Comparaison de modèle multi-objectif pour le docking moléculaire

J-C. Boisson

J-C. BOISSON Réunion Dock

Plan

11/04/23 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

11/04/23 J-C. BOISSON Réunion Dock 3

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

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.

11/04/23 J-C. BOISSON Réunion Dock 4

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)

11/04/23 J-C. BOISSON Réunion Dock 5

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).

11/04/23 J-C. BOISSON Réunion Dock 6

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.

11/04/23 J-C. BOISSON Réunion Dock 7

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).

Un nouveau modèle tri-objectif (5/8)

11/04/23 J-C. BOISSON Réunion Dock 8

SASA = 6201 Å2

SASA = 5548 Å2

Un nouveau modèle tri-objectif (6/8)

11/04/23 J-C. BOISSON Réunion Dock 9

3. Robustesse du complexe

G =

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

11/04/23 J-C. BOISSON Réunion Dock 10

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

échantillonnage à base de translations

11/04/23 J-C. BOISSON Réunion Dock 11

Plan

11/04/23 J-C. BOISSON Réunion Dock 12

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

Résultats.

Perspectives.

Modèles testés

11/04/23 J-C. BOISSON Réunion Dock 13

Champ de force

CVFF Autodock 4.0

Modèle Etotal Elies Enlies Etotale Elies Enlies Surface

Robustesse

M1 X X

M2 X X

M3 X X X

M4 X X X

M5 X X

M6 X X

M7 X X X

M8 X X X

Plan

11/04/23 J-C. BOISSON Réunion Dock 14

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

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

rencontrées

11/04/23 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

11/04/23 J-C. BOISSON Réunion Dock 16

Résultats de comparaison (1/2)

11/04/23 J-C. BOISSON Réunion Dock 17

InstanceAlgorithme

IBEA NSGA-II IBEA NSGA-II

6rsaIBEA

NSGA-II-<

>-

-<

>-

1mbiIBEA

NSGA-II-<

>-

-<

>-

2tscIBEA

NSGA-II-~

~-

-<

>-

1htfIBEA

NSGA-II-~

~-

-~

~-

1dogIBEA

NSGA-II-<

>-

-<

>-

hII

Instances de la base ccdc astex.

> meilleur < moins bon

~ non significatif

Résultats de comparaison (2/2)

11/04/23 J-C. BOISSON Réunion Dock 18

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

11/04/23 J-C. BOISSON Réunion Dock 19

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

Résultats.

Perspectives.

Configurations d’opérateurs

11/04/23 J-C. BOISSON Réunion Dock 20

ProfilDocking

RT RTs Reverse SBRot SMO MDRL MDRTrigide

flexible

P1R X X

P1 X X X

P2R X X X

P2 X X X X

P3R X X X

P3 X X X X

P4R X X X

P4 X X X X

P5R X X X

P5 X X X X

P6R X X X

P6 X X X X

Plan

11/04/23 J-C. BOISSON Réunion Dock 21

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

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 2,2.11/04/23 J-C. BOISSON Réunion Dock 22

Plan

11/04/23 J-C. BOISSON Réunion Dock 23

Rappel : modèle multi-objectif choisi.

Autre modèles.

Comparaison d’algorithmes génétiques.

Comparaison de configurations d’opérateur.

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.

11/04/23 J-C. BOISSON Roadef2008 24

Questions ?

11/04/23 J-C. BOISSON Roadef2008 25

AG : codage d’un individu

11/04/23 J-C. BOISSON Réunion Dock 26

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.

11/04/23 J-C. BOISSON Réunion Dock 27

AG : opérateur de croisement

11/04/23 J-C. BOISSON Roadef2008 28

S1 + L1 S2 + L2

S1 + L2 S2 + L1

Parents

Enfants

AG : opérateur de mutation

11/04/23 J-C. BOISSON Roadef2008 29

Translation

Rotation

Rotation d’un angle de torsion

PARAllel and DIStributed Evolving Objects

11/04/23 J-C. BOISSON Roadef2008 30

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.