Etude des réseaux de reconnaissance biomoléculaire à l'échelle atomique pour les systèmes ARN et ARN/protéines

• Main Author: D'Ascenzo, Luigi
• Other Authors: Strasbourg
• Language: en
• Published: 2016
• Subjects: Interactions oxygène-pi; ARN-Z; Repliement d’ARN; Solvatation; Interactions ARN-Mg2+; Protonation; Analyse de données PDB; Tétraboucles; Oxygen-pi interactions; Tetraloops; Z-RNA; RNA folding; Solvation; RNA-Mg2+ interactions; PDB data mining; 571.4; 572.8
• Online Access: http://www.theses.fr/2016STRAJ108/document

Mis à part les liaisons hydrogène, d’autres interactions non covalentes participent dans les réseaux de reconnaissance ARN et ARN protéines. Parmi celles-ci, j’ai étudié les interactions oxygène-pi. Cette interaction prend la forme phosphate-pi dans les U turns et O4'-pi dans les motifs ARN-Z. Je propose une nouvelle classification des boucles de quatre nucléotides, décrivant les U turn et les Z turn à partir d’interactions oxygène-pi. De plus, les motifs "Z like" présents dans tous les ARN, sont aussi reconnus par certaines protéines immunologiques. Pour mieux comprendre les réseaux de reconnaissance biomoléculaire, nous avons examiné les interactions entre cations/anions et ARN. Nous avons trouvé de nombreuses erreurs dans les structures de la PDB et proposé des règles pour améliorer l'attribution d’espèces ioniques. Les résultats de cette thèse amélioreront notre connaissance des réseaux de reconnaissance biomoléculaire et aideront aux techniques de modélisation structurale des ARN. === Together with hydrogen bonds, uncommon non-covalent interactions are fundamental for recognition networks in RNA and RNA-protein systems. Among them, I focused on oxygen-pi stacking. This interaction takes the form of phosphate-pi within U-turns and of ribose O4’-pi within “Z-RNA” motifs. In that respect, a novel classification of tetraloops is proposed, defining U-turns and Z-turns based on their oxygen-pi stacking properties. Further, “Z-like” motifs are found to pervade small and large RNAs, being also a recognition pattern for immunology-related proteins. To better understand biomolecular recognition networks, we reviewed the binding of metal ions and anions within RNA, finding many examples of ions misattribution in PDB structures. We propose rules to avoid attribution errors. The results of this thesis will improve our knowledge and understanding of biomolecular recognition networks, as well as assist structural determination and structural modelling techniques of RNA systems.